ترجمه فارسی مقاله شبکه های عصبی برای مشکل مسیریابی وسیله نقلیه

چکیده

The Vehicle Routing Problem is about optimizing the routes of vehicles to meet the needs of customers at specific locations. The route graph consists of depots on several levels and customer positions. Several optimization methods have been developed over the years, most of which are based on some type of classic heuristic: genetic algorithm, simulated annealing, tabu search, ant colony optimization, firefly algorithm. Recent developments in machine learning provide a new toolset, the rich family of neural networks, for tackling complex problems. The main area of application of neural networks is the area of classification and regression. Route optimization can be viewed as a new challenge for neural networks. The article first presents an analysis of the applicability of neural network tools, then a novel graphical neural network model is presented in detail. The efficiency analysis based on test experiments shows the applicability of the proposed NN architecture.

چکیده به فارسی (ترجمه ماشینی)

مشکل مسیریابی وسیله نقلیه در مورد بهینه سازی مسیرهای وسایل نقلیه برای تأمین نیازهای مشتریان در مکان های خاص است.نمودار مسیر شامل انبارها در چندین سطح و موقعیت مشتری است.چندین روش بهینه سازی در طول سال ها توسعه یافته است که بیشتر آنها بر اساس نوعی از اکتشافی کلاسیک ساخته شده است: الگوریتم ژنتیکی ، بازپرداخت شبیه سازی شده ، جستجوی تابو ، بهینه سازی کلونی مورچه ، الگوریتم Firefly.تحولات اخیر در یادگیری ماشین ، یک ابزار جدید ، خانواده ثروتمند شبکه های عصبی را برای مقابله با مشکلات پیچیده فراهم می کند.حوزه اصلی استفاده از شبکه های عصبی حوزه طبقه بندی و رگرسیون است.بهینه سازی مسیر را می توان به عنوان یک چالش جدید برای شبکه های عصبی مشاهده کرد.این مقاله ابتدا تجزیه و تحلیل کاربرد ابزارهای شبکه عصبی را ارائه می دهد ، سپس یک مدل شبکه عصبی گرافیکی جدید با جزئیات ارائه می شود.تجزیه و تحلیل بهره وری بر اساس آزمایش های آزمایش ، کاربرد معماری NN پیشنهادی را نشان می دهد.