Innovative clustering-driven techniques for enhancing initial solutions in euclidean traveling salesman problems with machine learning integration

هذا العمل يمكن وصفه بأنه إطار خوارزمي هجين يجمع بين التعلم الآلي، التجميع الهرمي، والخوارزميات الاستكشافية لتحسين نقطة انطلاق خوارزميات التحسين في مشكلة البائع المتجول الإقليدية (Euclidean TSP). نُشر العمل في Arabian Journal for Science and Engineering، المجلد 50، الصفحات 1057–1078، وظهر إلكترونيًا في 18 مايو 2024.

المشكلة التي يعالجها العمل ليست حل TSP من الصفر فقط، وإنما سؤال أكثر دقة:

كيف يمكن بناء حلول ابتدائية عالية الجودة لخوارزمية Metaheuristic بحيث تبدأ عملية البحث من منطقة جيدة في فضاء الحلول بدلًا من البدء عشوائيًا؟

فالـ TSP يمتلك فضاء بحث ضخم جدًا، ولذلك فإن جودة الحل الابتدائي يمكن أن تؤثر بشدة في سرعة وصول الخوارزمية إلى حلول جيدة.

الحل المقترح هو عدم التعامل مع جميع المدن دفعة واحدة، وإنما تفكيك المشكلة مكانيًا وهرميًا ثم بناء حلول محلية وإعادة تركيبها