Resumen

Este artículo resuelve el problema del viajante dinámico (DTSP) utilizando el método de Regresión de Proceso Gaussiano Dinámico (DGPR). El problema de la gira de correlación variable se alivia mediante la función de covarianza no estacionaria entrelazada con DGPR para generar una distribución predictiva para la gira de DTSP. Este enfoque se combina con el método del Vecino Más Cercano (NN) y la búsqueda local iterada para seguir los óptimos dinámicos. Se obtuvieron resultados experimentales en instancias de DTSP. Las comparaciones se realizaron con Algoritmo Genético y Recocido Simulado. El enfoque propuesto demuestra superioridad en encontrar una buena gira del problema del viajante (TSP) y menos tiempo computacional en condiciones no estacionarias.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Problema del viajante dinámico; Regresión de Procesos Gaussianos dinámica; Función de covarianza no estacionaria; Método del vecino más cercano; Búsqueda local iterada; Algoritmo Genético
• Keywords:Dynamic traveling salesman problem; Dynamic Gaussian Process Regression; Nonstationary covariance function; Nearest Neighbor method; Iterated local search; Genetic Algorithm