• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.69-76
• /
• 2022

순회 외판원 문제는 가장 유명한 조합 최적화 문제 중 하나이다. 지금까지 이 문제를 해결하기 위해 많은 메타휴리스틱 탐색 알고리즘들이 제안되어 왔으며, 그중의 하나가 지역 탐색이다. 지역 탐색에 있어서 매우 중요한 요소 중 하나가 이웃해 생성 방법으로 주로 역전(inversion)과 같은 무작위 기반 이웃해 생성 방법들이 사용되어 왔다. 본 논문에서는 4가지의 새로운 그리디 기반 이웃해 생성 방법들을 제안한다. 3가지 방법은 그리디 삽입 휴리스틱을 기반으로 하는데, 선택된 도시들을 하나씩 차례로 현재 가장 좋은 위치로 삽입한다. 나머지 하나는 그리디 회전을 기반으로 한다. 제안된 방법들은 대표적인 지역 탐색 알고리즘인 first-choice 언덕 오르기 탐색과 시뮬레이티드 어닐링에 적용된다. 실험을 통해 제안된 그리디 기반 방법들이 기존의 무작위 기반 방법들보다 성능이 우수함을 확인하였다. 또한 일부 그리디 기반 방법들은 기존의 지역 탐색 기법들보다 더 우수함을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권4호
• /
• pp.1-8
• /
• 2024

순회 외판원 문제(TSP)는 잘 알려진 조합 최적화 문제 중 하나이다. 지역 탐색은 TSP를 해결하기 위한 한 가지 방법으로 사용되어 왔다. Greedy Random Insertion(GRI)은 지역 탐색을 위한 효과적인 이웃해 생성 방법으로 알려져 있다. GRI는 현재해로부터 일부 도시들을 무작위로 선택하고 그 도시들을 한 번에 하나의 도시만 고려하여 현재 부분해의 최적 위치로 삽입한다. 본 논문에서는 먼저 Full Greedy Insertion(FGI)이라는 또 다른 그리디 이웃해 생성 방법을 제안한다. FGI는 GRI와 마찬가지로 삽입 위치를 하나씩 결정하되 남은 모든 도시들을 한꺼번에 고려하여 결정한다. 그리고 본 논문에서는 GRI와 FGI를 결합하는 방법을 제시한다. 결합 방법에서는 시뮬레이티드 어닐링 내에서 매 반복 시 GRI 또는 FGI를 무작위로 선택하여 실행한다. 실험 결과에 의하면, FGI 단독으로는 성능이 매우 우수한 것은 아니다. 그러나 결합 방법은 GRI를 포함한 기존의 지역 탐색 방법들보다 우수한 성능을 발휘함을 확인하였다.