Traveling Salesman Problem solved by clustering and genetic algorithms

This article seeks to find feasible solutions for the Traveling Salesman Problem, by means of a new way of grouping the problem into clusters with the intention of creating Traveling Salesman subproblems, which are proposed to be solved by the metaheuristic genetic algorithm. Subsequently, the group...

Descripción completa

Detalles Bibliográficos
Autor: Anaya-Fuentes, Gustavo Erick
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2021
País:México
Institución:UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
Repositorio:PÄDI Boletín Científico de Ciencias Básicas e Ingeniería del ICBI
Idioma:español
OAI Identifier:oai:repository.uaeh.edu.mx:article/7130
Acceso en línea:https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/7130
Access Level:acceso abierto
Palabra clave:Traveling Salesman
genetic algorithms
clusters
fitness
metaheuristics
Agente viajero
algoritmos genéticos
agrupación
recorrido total
metaheurísticos
id MX_cb9bdbdce5beecaf4e4a2948538db87d
oai_identifier_str oai:repository.uaeh.edu.mx:article/7130
network_acronym_str MX
network_name_str México
repository_id_str
spelling Traveling Salesman Problem solved by clustering and genetic algorithmsEl problema del agente viajero resuelto mediante agrupación en clústeres y algoritmos genéticosAnaya-Fuentes, Gustavo ErickTraveling Salesmangenetic algorithmsclustersfitnessmetaheuristicsAgente viajeroalgoritmos genéticosagrupaciónrecorrido totalmetaheurísticosThis article seeks to find feasible solutions for the Traveling Salesman Problem, by means of a new way of grouping the problem into clusters with the intention of creating Traveling Salesman subproblems, which are proposed to be solved by the metaheuristic genetic algorithm. Subsequently, the groupings are joined again using the solutions provided by the metaheuristic, obtaining a final solution. In addition, a way of grouping the cities of the problem is proposed using the arithmetic mean of the coordinates to iteratively calculate the representative nodes of each family. In the literature there is no similar method to solve the problem in question. The results show that using this grouping methodology improves the results compared to the genetic algorithms solutions without using clusters.    El presente artículo encuentra soluciones factibles para el Problema del Agente Viajero, mediante una nueva forma de agrupar al problema en clústeres con la intención de crear subproblemas del Agente Viajero, las cuales se resuelven por el metaheurístico algoritmos genéticos. Posteriormente las agrupaciones son unidas nuevamente utilizando las soluciones proporcionadas por el metaheurístico, obteniendo una solución final, además, la propuesta de agrupación de ciudades consiste en la utilización de la media aritmética sobre las coordenadas, para calcular iterativamente a los nodos representativos de cada familia. En la literatura se encuentra una tendencia para abordar este problema mediante la metodología propuesta. Los resultados demuestran que al utilizar esta metodología de agrupación se mejoran los resultados en comparación a las soluciones algoritmos genéticos sin utilizar clústeres.Universidad Autónoma del Estado de Hidalgo2021-07-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/713010.29057/icbi.v9i17.7130Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; Vol 9 No 17 (2021): Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; 88-97Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; Vol. 9 Núm. 17 (2021): Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; 88-972007-636310.29057/icbi.v9i17reponame:PÄDI Boletín Científico de Ciencias Básicas e Ingeniería del ICBIinstname:UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGOinstacron:UAEHspahttps://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/7130/8045info:eu-repo/semantics/openAccessoai:repository.uaeh.edu.mx:article/71302024-08-19T22:36:43Z
dc.title.none.fl_str_mv Traveling Salesman Problem solved by clustering and genetic algorithms
El problema del agente viajero resuelto mediante agrupación en clústeres y algoritmos genéticos
title Traveling Salesman Problem solved by clustering and genetic algorithms
spellingShingle Traveling Salesman Problem solved by clustering and genetic algorithms
Anaya-Fuentes, Gustavo Erick
Traveling Salesman
genetic algorithms
clusters
fitness
metaheuristics
Agente viajero
algoritmos genéticos
agrupación
recorrido total
metaheurísticos
title_short Traveling Salesman Problem solved by clustering and genetic algorithms
title_full Traveling Salesman Problem solved by clustering and genetic algorithms
title_fullStr Traveling Salesman Problem solved by clustering and genetic algorithms
title_full_unstemmed Traveling Salesman Problem solved by clustering and genetic algorithms
title_sort Traveling Salesman Problem solved by clustering and genetic algorithms
dc.creator.none.fl_str_mv Anaya-Fuentes, Gustavo Erick
author Anaya-Fuentes, Gustavo Erick
author_facet Anaya-Fuentes, Gustavo Erick
author_role author
dc.subject.none.fl_str_mv Traveling Salesman
genetic algorithms
clusters
fitness
metaheuristics
Agente viajero
algoritmos genéticos
agrupación
recorrido total
metaheurísticos
topic Traveling Salesman
genetic algorithms
clusters
fitness
metaheuristics
Agente viajero
algoritmos genéticos
agrupación
recorrido total
metaheurísticos
description This article seeks to find feasible solutions for the Traveling Salesman Problem, by means of a new way of grouping the problem into clusters with the intention of creating Traveling Salesman subproblems, which are proposed to be solved by the metaheuristic genetic algorithm. Subsequently, the groupings are joined again using the solutions provided by the metaheuristic, obtaining a final solution. In addition, a way of grouping the cities of the problem is proposed using the arithmetic mean of the coordinates to iteratively calculate the representative nodes of each family. In the literature there is no similar method to solve the problem in question. The results show that using this grouping methodology improves the results compared to the genetic algorithms solutions without using clusters.
publishDate 2021
dc.date.none.fl_str_mv 2021-07-05
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/7130
10.29057/icbi.v9i17.7130
url https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/7130
identifier_str_mv 10.29057/icbi.v9i17.7130
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/7130/8045
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Autónoma del Estado de Hidalgo
publisher.none.fl_str_mv Universidad Autónoma del Estado de Hidalgo
dc.source.none.fl_str_mv Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; Vol 9 No 17 (2021): Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; 88-97
Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; Vol. 9 Núm. 17 (2021): Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI; 88-97
2007-6363
10.29057/icbi.v9i17
reponame:PÄDI Boletín Científico de Ciencias Básicas e Ingeniería del ICBI
instname:UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
instacron:UAEH
instname_str UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
instacron_str UAEH
institution UAEH
reponame_str PÄDI Boletín Científico de Ciencias Básicas e Ingeniería del ICBI
collection PÄDI Boletín Científico de Ciencias Básicas e Ingeniería del ICBI
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1858177002174939136
score 15,81155

Similares en LA Referencia