Using modified whale optimization algorithm with a comparative analysis of different technique for solving traveling salesman problem

Ağın temel sorunuyanlış ve yanlışbağlantının.maliyetetkisi ve ağ verimliliği sorunları gibi büyük sorunlara yol açmasıdır. Travel Sellers (TSP) sorunu, günümüzün optimizasyonuna bağlı olarak bu tür bir sorunu.çözmeninyollarından biridir. Değiştirilmiş algoritmalar, hayvan temelliTSP problemlerini çözmenin en etkili ve verimli yollarından biri olarak kabul edilebilir. Gezgin satıcı probleminde yapılmıştır. Uygulamada 51 ila 150 aralığında bir dizi klasik veri seti kullanılmıştır. Sonuçlar, hibrit algoritmanın (WOA + NN), tüm veri kümelerinin %50'si için AS (Ant sys tem), WOA, GA ve SA'dan daha iyi performans gösterdiğini göstermektedir. Karınca Sistemi (AS), tüm veri setlerinin %40'ı için diğerlerinden daha iyi Meta çıkarım yapan ikinci algoritmadır. Ayrıca detaylı analizin meta çıkarsama göre daha iyi bir sayı, En Kötü, ortalama, standart sapma ve ortalama CPU zamanı çözümlerini gösterdiği de verilmiştir. Balina İyileştirme Algoritması WOA optimal çözümleri bulmada %50'nin üzerinde bir performans oranı gösterdiğinin teyidi. AS (Karınca Sistemi), tüm optimal çözümlerden %40 daha iyidir. Son olarak, Balina İyileştirme Algoritması (WOA), orta büyüklükteki veri kümeleri için diğer algoritmalara kıyasla ayrık problemi Makul zamanlarda çözer. Balina İyileştirme Algoritması (WOA) ve Genetik Algoritma (GA) Bu makale TSPLIB tipi problemlere odaklanmaktadır..