Çok kullanımlı zengin araç rotalama probleminin melez evrimsel algoritma ile çözümlenmesinde veri güdümlü operatörlerin etkileri

Kombinatoryal eniyileme problemlerinden sayılan Araç Rotalama Problemi zorluğu ve pratik yaşam operasyonlarındaki önemi dolayısıyla yoğun olarak çalışılmaktadır. Büyük ölçekli ARP uygulamalarında sezgisel algoritmalar özellikle tercih edilmektedirler. Veri madenciliği, veri depolamadaki artış ve makine öğrenmesi araçlarının gelişimi neticesinde sezgisel yöntemleri desteklemek için de kullanılmaya başlamıştır. Fakat çoklu nitelikli ARP türevlerini çözebilecek sezgiseller kapsamında genel bir öğrenim şeması ortaya koyan çalışma sayısı oldukça sınırlıdır. Bir ARP örneğinin en yaygın özelliklerinden olan rota sıralaması, araç kapasitesi, zaman pencereleri, birim gezi maliyeti çözümün kalitesine dair değerli bilgiler taşımaktadır. Bu çalışmada, tarama esnasında elde edilmiş her bir çözümün bahsi geçen özelliklerini bir veri çerçevesinde bir araya getirme ve dinamik tahmin modeli oluşturma önerisi sunulmaktadır. Modelin tahminlerini kullanabilen yeni bir operatör sezgisel algoritmaya dahil edilmiştir. Bu görev için en uygun sezgiseller çözüm havuzu içerdikleri için topluluk tabanlı olanlardır. Dolayısıyla çok kullanımlı zengin ARP'yi çözme amacıyla melez evrimsel algoritma seçilmiştir. Veri güdümlü bu hızlı ve basit operatörün temel sezgisele katılımının marjinal etkileri tartışılmıştır. Ayrıca, bu yeni operatörün problemin farklı niteliklerine odaklanan versiyonları tanımlanarak performansları değerlendirilmiştir. Kıyaslama örnekleri üzerinde yaptığımız deneyler bu kolay ve uyarlanabilir yapının umut verici sonuçlar ürettiğini göstermiştir.