Πλοήγηση ανά Επιβλέπων "Zachariadis, Emmanouil"
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Τώρα δείχνει 1 - 1 από 1
- Αποτελέσματα ανά σελίδα
- Επιλογές ταξινόμησης
Τεκμήριο Approximation algorithms for the bipartite traveling salesman problem(2025-04-28) Γιαννάκος, Κωνσταντίνος; Giannakos, Konstantinos; Androutsopoulos, Konstantinos; Chatziantoniou, Damianos; Zachariadis, EmmanouilΤο Διμερές Πρόβλημα του Περιοδεύοντος Πωλητή (BTSP) αποτελεί επέκταση του κλασικού NP-Δύσκολο προβλήματος του Περιοδεύοντος Πωλητή (TSP), όπου οι κόμβοι χωρίζονται σε δύο διακριτά σύνολα και μια έγκυρη διαδρομή πρέπει να εναλλάσσεται μεταξύ τους. Αυτή η δομή ευθυγραμμίζεται με τις λειτουργίες Pick-and-Place (PnP) στη ρομποτική κατασκευή και εφοδιαστική, όπου ένας μεταφορέας κινείται μεταξύ θέσεων περισυλλογής και θέσεων απόθεσης για τη βέλτιστη μεταφορά. Η παρούσα διπλωματική εργασία διερευνά αλγορίθμους βελτιστοποίησης για την επίλυση του BTSP σε περιβάλλοντα PnP, αναλύοντας τους συμβιβασμούς μεταξύ ακριβών και ευρετικών μεθόδων. Από τη μία πλευρά, η Ακριβής Μέθοδος που χρησιμοποιείται διαμορφώνεται ως ένα Μοντέλο Ακέραιου Προγραμματισμού (IP), διασφαλίζοντας τη βέλτιστη λύση, αλλά καθίσταται υπολογιστικά απαιτητική καθώς το μέγεθος του προβλήματος αυξάνεται. Από την άλλη πλευρά, οι ευρετικές μέθοδοι επιτυγχάνουν μικρό κενό βέλτιστου, με τη μέθοδο του Nearest Neighbor (NN) να προσφέρει ταχείς χρόνους εκτέλεσης, ενώ η 2-opt, παρότι βελτιώνει την ποιότητα της λύσης, οδηγεί σε σημαντική αύξηση στο υπολογιστικό κόστος καθώς το μέγεθος του προβλήματος μεγαλώνει. Για την αξιολόγηση αυτών των μεθόδων, αναπτύχθηκε ένα πειραματικό πλαίσιο που δημιουργεί στιγμιότυπα προβλημάτων, την εκτέλεση των αντίστοιχων αλγορίθμων και αναλύει την απόδοσή τους με βάση το χρόνο εκτέλεσης και το κενό βέλτιστου. Τα ευρήματα αναδεικνύουν τη σημασία της επιλογής μεθόδου με βάση την κλίμακα του προβλήματος και τους υπολογιστικούς περιορισμούς. Η έρευνα αυτή συμβάλλει στην εξέλιξη της βελτιστοποίησης του BTSP στη βιομηχανική ρομποτική, παρέχοντας τη βάση για μελλοντική έρευνα σε κλιμακούμενα και έξυπνα συστήματα προγραμματισμού. Η μελλοντική έρευνα θα μπορούσε να εξετάσει την ενσωμάτωση τεχνικών μηχανικής μάθησης και ενισχυτικής μάθησης για την περαιτέρω βελτίωση της αποδοτικότητας και της προσαρμοστικότητας των λύσεων σε πραγματικό χρόνο στη βιομηχανική παραγωγή.