Swarm Intelligence in der dynamischen Tourenplanung

Mit diesem Beitrag soll gezeigt werden, wie den mit der Dynamik verbundenen Herausforderungen bei der Tourenplanung mit Hilfe von Swarm Intelligence begegnet werden kann. Dazu orientieren wir uns an der Fragestellung des dynamischen Travelling Salesman Problem (DTSP), da es uns die Evaluation des Ansatzes durch zur Verfügung stehende Benchmarks ermöglicht. Die Dynamik in einer TSP-Instanz ergibt sich hierbei aus den sich ändernden Reisezeiten zwischen zwei Städten. Um nun etwaige lange Reisezeiten zu vermeiden, ist eine schnelle Reaktion auf diese Änderung von Bedeutung. Wir schlagen einen SI-Ansatz vor, der in der Lage ist, diese Dynamik zu handhaben. Dabei wird die Möglichkeit zur positiven Vorhersage von Wegen als Teil einer guten Lösung genutzt, um SI-Systeme in die Lage zu versetzen, schnell alternative Wege zu erkennen. So werden in Abhängigkeit des Ereignisses und der mit ihm verbundenen Stärke der Änderung SI-basierende Entscheidungsprozesse in der Weise modifiziert, dass eine positive Vorhersage von Wegen, welche als Teil einer guten Lösung wahrscheinlich sind, möglich wird. Dieser SI-Ansatz wird mit drei anderen Ansätzen in einem experimentellen Test für das dynamische TSP verglichen.