Luận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạch

Luận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạch Luận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạchLuận án thạc sĩ đh công nghệ bài toán thuê xe du lịch có hạn ngạch

ĐẠI HOC QUOC GIA HÀ N I TRƯ NG ĐẠI HOC CÔNG NGHS HÀ N I Đinh Thị Thúy BÀI TỐN TH XE DU L±CH CĨ HẠN NGẠCH Ngành: Cơng ngh thơng tin Chun ngành: Khoa hoc máy tính Mã so: 64080101 LU🄐N VĂN THẠC SĨ CÔNG NGHS THÔNG TIN Người hướng dȁn khoa hoc: PGS.TS.Hoàng Xuân Huan Hà N i - 2018 L I CAM ĐOAN Tôi xin cam đoan rang cơng trình nghiên c u cǔa cá nhân sụ hướng dȁn giúp đỡ cǔa PGS.TS Hoàng Xuân Huan Các ket quǎ viet chung với tác giǎ khác đeu sụ đong ý cǔa tác giǎ trước đưa vào lu n văn Trong toàn b n i dung nghiên c u cǔa lu n văn, van đe trình bày đeu nh ng tìm hieu nghiên c u cǔa cá nhân tơi ho c trích dȁn t nguon tài li u có ghi tham khǎo rõ ràng, hợp pháp Trong lu n văn, tơi có tham khǎo đen m t so tài li u cǔa m t so tác giǎ li t kê mục tài li u tham khǎo Hà N i, ngày tháng năm 2018 Hoc viên Đinh Thị Thúy L I CÁM ƠN Trước trình bày n i dung cǔa khóa lu n, em xin bày tǒ lịng biet ơn sâu sac tới PGS.TS.Hoàng Xuân Huan người t n tình hướng dȁn đe em có the hồn thành khóa lu n Em xin bày tǒ lịng biet ơn chân thành tới tồn the thay giáo khoa Công ngh thông tin, Đại hoc Công Ngh , Đại Hoc Quoc Gia Hà N i dạy bǎo em t n tình suot trình hoc t p Nhân dịp em xin g i lời cǎm ơn chân thành tới gia đình, bạn bè bên em, cő vũ, đ ng viên, giúp đỡ em suot trình hoc t p thục hi n lu n văn tot nghi p Hà N i, ngày tháng năm 2018 Hoc viên Đinh Thị Thúy DANH MỤC KÍ HISU VÀ CHŨ VIET TAT ACO AS ACS MMAS SMMAS CaRS GA QTSP q-CaRS TSP Phương pháp toi ưu hóa đàn kien(Ant Colony Optimisation) H kien AS(Ant System) H kien ACS(Ant Colony System) H kien MMAS(Max-Min Ant System) H kien MMAS trơn(Smooth-Max Min Ant System) Bài toán thuê xe du lịch(Traveling car renter problem) Thu t giǎi di truyen(Genetic Algorithm ) Quota Traveling Salesman Problem Bài tốn th xe du lịch có hạn ngạch(Quota traveling car renter problem) Bài toán người chào hàng(Traveling Salesman Problem) || So phan t m t t p Mục lục Danh mục kí hi u ch viet tat Chương Bài tốn th xe du lịch có hạn ngạch 1.1 Quy hoạch nguyên 1.1.1 Dạng tőng quát cǔa toán 1.1.2 Úng dụng cǔa toán 1.1.3 Các phương pháp tiep c n giǎi toán quy hoạch nguyên 1.2 Bài toán ngưài chào hàng(Traveling Salesman Problem - TSP) 11 1.3 Bài tốn th xe du lịch có hạn ngạch(q-CaRS) 13 1.3.1 Bài toán người bán hàng có hạn ngạch(QTSP) 13 1.3.2 Các toán liên quan 13 1.3.3 Bài tốn th xe du lịch có hạn ngạch(q-CaRS) 15 Chương Các phương pháp metaheuristic 18 2.1 Thu t giái di truyen .18 2.1.1 Thu t toán di truyen cő đien 19 2.1.2 Bieu dien bang véc tơ so thục 24 2.1.3 GA toi ưu tő hợp 25 2.2 Phương pháp toi ưu hóa đàn kien .28 2.2.1 Cách tìm đường cǔa kien tụ nhiên 28 2.2.2 Kien nhân tạo 29 2.2.3 Phương pháp ACO tőng quát 29 Chương Thu t giái di truyen cho toán q-CaRS .35 3.1 Bieu dien quan the 36 3.2 Quá trình tái tạo 37 3.3 Thú tục tìm kiem địa phương .38 3.4 Thu t toán MemPlas .42 3.5 Ket thục nghi m .44 3.5.1 B d li u chuȁn 44 3.5.2 Tien hành chạy thục nghi m 44 3.5.3 Ket quǎ thục nghi m 44 Chương Thu t toán ACO giái toán q-CaRS 50 4.1 Đo thị cau trúc 50 4.2 Vet mùi thông tin heuristic 52 4.3 Quy tac c p nh t mùi 52 4.4 Thú tục tìm kiem cục b 53 4.5 Ket thục nghi m .53 4.6 Ket thục nghi m đánh giá 53 L I M ĐAU Trong nh ng năm gan đây, với sụ bùng nő mạnh mẽ cǔa công ngh thông tin du lịch, dịch vụ ti n ích phục vụ cho khách du lịch với ng dụng di đ ng phát trien mạnh mẽ Nhu cau tìm kiem ke hoạch cho chuyen với chi phí phù hợp thu n lợi m t nh ng nhu cau phő bien Cụ the, m t tour du lịch tham quan địa điem cǔa thành pho, mői địa điem đeu có nh ng sȁn nh ng chiec xe du lịch với giá thành cụ the Vì lý tài thời gian hành khách có the khơng tham quan het địa điem ho ln mong muon có m t chuyen hài lịng nhat với chi phí nhǒ nhat Đây toán thu c van đe toi ưu tő hợp, thu c lớp tốn NP-khó toán bien the cǔa toán người bán hàng du lịch(TSP) toán thuê xe du lịch(CaRS) Đã có rat nhieu nghiên c u đưa cho toán : “Các phương pháp toi ưu cho toán người bán hàng du lịch trục tuyen”[46] , “Bǎo đǎm xap xǐ cho toán người bán hàng có so”[6] , “Thu t tốn Memetic cho toán thuê xe du lịch”[20] Tuy nhiên nghiên c u khơng xét đen chi phí di chuyen mà chǐ xét đen thời gian di chuyen thành công gi a địa điem Van đe đ t nghiên c u sụ tőng qt hóa cǔa thu t tốn QTSP với m t t p hợp xe ô tô đe người bán hàng có the thuê đe di chuyen QTSP m t bien the cǔa TSP với mői đǐnh đeu có rang bu c nhat định mục tiêu toi thieu hóa chi phí di chuyen với yêu cau rang bu c không nhǒ giá trị định sȁn Trong nghiên c u “Thu t toán Memetic cho toán thuê xe du lịch”[20] đưa nh ng ket quǎ đánh giá cao, nhiên nghiên c u khơng có ràng bu c đoi với địa điem đen thăm Bài toán q-CaRS tốn toi ưu tő hợp có nhieu ràng bu c , thu c lớp toán NP khó, chǐ có the tìm lời giǎi gan thời gian đa th c Trong nghiên c u [21] tác giǎ đưa thu t giǎi di truyen đe giǎi toán ket quǎ thu tot Tuy nhiên thời gian gan đây, phương pháp toi ưu hóa đàn kien giǎi tốn toi ưu tő hợp női lên với nh ng thục nghi m đánh giá cao đ c bi t thành cơng tốn người bán hàng với so đǐnh lên đen 2000 Vì v y lu n văn đe xuat thêm phương pháp tői ưu hóa đàn kien giǎi tốn q-CaRS Ket quǎ thục nghi m cho thay phương pháp toi ưu hóa đàn kien cho ket quǎ nhieu hợp tot thu t giǎi GA ve cǎ chat lượng thời gian Trong phương pháp toi ưu hóa đàn kien, lu n văn s dụng quy tac c p nh t mùi Maxmin trơn nghiên c u cǔa tác giǎ Đő Đ c Đông c ng sụ [2] Lu n văn trình bày ve tốn th xe có hạn ngach q-CaRS, sau giới thi u chung ve hai phương pháp metaheuristic thu t giǎi di truyen phương pháp toi ưu hóa đàn kien giǎi toán toán toi ưu tő hợp Tiep theo lu n văn trình bày cụ the ve hai phương pháp giǎi tốn q-CaRS chương trình thục nghi m Bo cục cǔa lu n văn bao gom chương: • Chương 1: Bài tốn th xe có hạn ngạch • Chương 2: Các phương pháp metaheuristic • Chương 3: Thu t toán di truyen giǎi tốn q-CaRS • Chương 4: Thu t tốn ACO giǎi tốn q-CaRS • Phụ lục trình bày m t so module bǎn l p trình thu t toán Do thời gian thục hi n lu n văn khơng nhieu, kien th c cịn hạn che nên làm lu n văn không tránh khǒi nh ng hạn che sai sót Tác giǎ mong nh n sụ góp ý nh ng ý kien phǎn bi n cǔa quý thay cô bạn đoc Xin chân thành cǎm ơn! Hà N i, ngày tháng năm 2018 Hoc viên Đinh Thị Thúy Chương Bài toán thuê xe du lịch có hạn ngạch 1.1 Quy hoạch nguyên Quy hoạch nguyên (Integer Programming) , viet tat IP, tốn quy hoạch mà tat cǎ ho c m t phan bien bị ràng bu c chǐ lay giá trị nguyên Trường hợp th nhat goi quy hoạch nguyên hoàn toàn (Pure Integer Programming – PIP), trường hợp th hai goi quy hoạch nguyên b ph n (Mixed Integer Programming – MIP) 1.1.1 Dạng tong quát cúa toán Bài toán quy hoạch nguyên tőng quát bieu dien dạng: f (x) = c T x → min(max) với đieu ki n: Ax ≤ b x ≥ x ∈ Zn Bài toán quy hoạch nguyên goi hoàn toàn tat cǎ bien đeu so nguyên goi b ph n m t so bien không phǎi so nguyên Bài toán quy hoạch nguyên 0-1 toán bien giới hạn ho c 1.1.2 Úng dụng cúa toán Úng dụng cǔa toán phát trien dụa vào bien the toán quy hoạch nguyên hőn hợp toán quy hoạch nguyên 0-1 L p ke hoạch sán xuat Quy hoạch nguyên hőn hợp có nhieu ng dụng sǎn xuat cơng nghi p, bao gom mơ hình hóa vi c làm M t ví dụ quan xǎy quy hoạch sǎn xuat nông nghi p bao gom xác định suat sǎn xuat cho m t so loại có the chia sě tài nguyên (ví dụ đat đai, lao đ ng, von, hạt giong, phân bón ) M t mục tiêu có the toi đa hóa tőng sǎn lượng mà khơng vượt nguon lục sȁn có Trong m t so trường hợp, đieu có the bieu dien dạng m t chương trình tuyen tính, bien phǎi hạn che so nguyên Bài toán l p lịch Bài toán liên quan đen dịch vụ l p lịch trình xe mạng lưới v n tǎi Ví dụ, tốn liên quan đen vi c chǐ định xe buýt ho c tàu n ngam vào tuyen đường riêng đe có the đáp ng thời gian bieu, đe trang bị cho ho trình đieu khien ǎ bien quyet định nhị phân cho biet xe buýt ho c tàu n ngam gán cho tuyen đường li u người lái xe có chǐ định cho m t chuyen tàu ho c tàu n ngam hay không Mạng vien thông Mục tiêu cǔa nh ng toán thiet ke m t mạng lưới đường dây cài đ t đe đáp ng yêu cau truyen thông xác định trước tőng chi phí cǔa mạng toi thieu Đieu địi hǒi toi ưu hóa cǎ topo cǔa mạng với vi c thiet l p suat cǔa đường khác Trong nhieu trường hợp, suat bị hạn che so nguyên Thông thường, tùy thu c vào công ngh s dụng, hạn che bő sung có the mơ hình hóa m t bat đȁng th c tuyen tính với bien so nguyên ho c nhị phân Mạng di đ ng Nhi m vụ quy hoạch tan so mạng di đ ng GSM bao gom vi c phân phoi tan so sȁn có ăng ten đe người dùng có the đáp ng sụ ket hợp giǎm thieu gi a ăng-ten Bài tốn có the xây dụng m t chương trình tuyen tính so ngun, bien nhị phân cho biet tan so gán cho m t ăng-ten 1.1.3 Các phương pháp tiep c n giái toán quy hoạch nguyên S dụng tong so đơn modulo Neu tốn có dạng max(cTx), Ax = b với A, b, c đeu nguyên A tőng đơn modulo, tat cǎ phương án đeu so nguyên Do đó, đáp án trǎ ve bang thu t toán đơn giǎn đǎm bǎo nguyên Đe chǐ tat các đáp án đeu nguyên, đ t x m t lời giǎi cǔa toán Khi Ax = b, x0 = [xn1 , xn2 , , xnj ] phan t tương ng c t cǔa x Theo định nghĩa, có ma tr n vuông B cǔa A cho Bx0 = b Tien hành thục nghi m vái tham so Tham so Giá trị Tham so bay hơi( ρ) 0.03 α β So kien ban đau 10 So vòng lap 150 τmax 0.1 τmin 0.008 Ket quǎ chạy: 56 Hình 4.4: Ket quǎ thục nghi m cǔa ACO Bǎng thong kê ket quǎ sau 10 lan chạy thục nghi m đoi vơi cǎ 35 b d Trong mői hàng the hi n cho m t b d li u Ket quǎ trung bình ket quǎ chạy trung bình cǔa 10 lan chạy, ket quǎ tot nhat ket quǎ tot nhat cǔa 10 lan chạy Tương ng thời gian chạy với ket quǎ Ket quǎ cho thay tham so bay nhǒ thục nghi m tot Đieu cho thay vi c hoc tăng cường toán quan 57 So sánh vái ket thục nghi m cúa thu t toán GA Trong phan ta so sánh ket quǎ cǔa hai thu t toán GA ACO với b tham so cho ket quǎ tot nhat Hình 4.5: So sánh ket quǎ thục nghi m cǔa ACO GA T bǎng so sánh ta thay thu t toán ACO cho ket quǎ tot GA rat nhieu cǎ ve chat lượng thời gian chạy nhieu trường hợp Chǐ có trường hợp 58 in đ m tőng so 35 trường hợp t c khoǎng 11.5% ket quǎ cho thay GA tot Như v y tùy t ng yêu cau cǔa toán ve thời gian chat lượng, neu yêu cau thời gian chạy thap ta có the hồn tồn s dụng ACO đe tìm kiem lời giǎi.Tuy nhiên m c đ ǎnh hương cǔa tham so lớn, v y can linh hoạt bước lụa chon tham so 59 Phụ lục Phụ lục trình bày cách chạy chương trình m t so modules bǎn cǔa thu t tốn MemPlas dạng ngơn ng Java Cách chạy chương trình: Bước 1: mơ chương trình với IDE ’ItelliJ IDEA’ hình 4.6 Hình 4.6: Mơ chương trình Bước 2: Bam nút ’Run’ đe chạy chương trình hình 4.7 60 Hình 4.7: Chạy chương trình Ket quǎ ghi vào file ’myfile.txt’ M t so modules bán: Class City public class City implements Comparable{ private String name; private double x = 0; private double y = 0; private double satisfaction = 0; public double getX() { return x; } public double getY() { return y; } public String getName() { return this.name; } 61 public double getSatisfaction() { return this.satisfaction; } public double getDistance(City city) { return Math.sqrt(Math.pow(city.getX() - x, 2) + Math.pow(city.getY() - y, 2)) } public City(String name, double x, double y, double satisfaction) { this.name = name; this.x = x; this.y = y; this.satisfaction = satisfaction; } public int compareTo(City city) { double compareSatisfaction = ((City) city).getSatisfaction(); return (int) (compareSatisfaction - this.satisfaction); } } Class Car: import java.util.HashMap; public class Car { private String name; public HashMap prices = new HashMap(); public HashMap returnTaxes = new HashMap(); public String getName() { return name; } 62 public Car(String name) { this.name = name; } public void setCityReturnTax(City city, double value) { returnTaxes.put(city, value); } public double getCityReturnTax(City city) { return returnTaxes.get(city); } public void setCityPrice(City city, double value) { prices.put(city, value); } public double getCityPrice(City city) { return prices.get(city); } public double getCarTax(City city) { return getCityReturnTax(city); } public double getCarPrice(City fromCity, City toCity) { double distance = fromCity.getDistance(toCity); double price = (2 * getCityPrice(fromCity) + * getCityPrice(toCity)) / + return price; } } Class CityCar public class CityCar { private City city; private Car car; 63 public CityCar(City city, Car car) { this.city = city; this.car = car; } public City getCity() { return city; } public Car getCar() { return car; } } 64 KET LU🄐N Trong lu n văn em trình bày n i dung thu t toán di truyen, phương pháp toi ưu hóa đàn kien, mơ hình quy hoạch ngun, tốn th xe có hạn ngạch, đưa mơ hình ngun cho tốn áp dụng thu t tốn di truyen phương pháp toi ưu hóa đàn kien giǎi toán Ket quǎ thục nghi m tính tốn bieu dien bang cách co định so lan l p, co định so lan đánh giá co định thời gian x lý đong thời s dụng h thong kiem định đe phát hi n sụ khác bi t yeu thu t toán nhȁm đǎm bǎo chat lượng cǔa giǎi pháp Ket quǎ thu chǐ rang thu t toán phương pháp toi ưu hóa đàn kien cho ket quǎ thời gian chạy tot nhieu trường hợp Van đe trình bày nghiên c u mới, v y nên có the có m t so van đe có the nghiên c u tương lai, ví dụ ng dụng cǔa metaheuristic thǔ tục tìm kiem địa phương, ho c nghiên c u bien the khác cǔa q-CaRS, ví dụ m t phiên bǎn với tham so mà tőng ràng bu c toi đa chi phí nhǒ nhat Đóng góp cǔa lu n văn bao gom: Tìm hieu trình bày lại n i dung tốn th xe có hạn ngạch q-CaRS Trình bày lại thu t toán di truyen giǎi toán q-CaRS đe xuat thêm phương pháp toi ưu hóa đàn kien đe giǎi tốn L p trình đưa ket quǎ thục nghi m đánh giá cǔa hai thu t toán Tuy nhiên thời gian thục hi n lu n văn khơng nhieu cịn có nh ng sai sót em rat mong nh n sụ góp ý cǔa quý thay cô bạn đoc 65 Tài li u tham kháo [1] Hồng Xn Huan, Giáo trình toi ưu tő hợp [2] D.D.Do, Q.H.Dinh, H.X.Hoang (2008), On the pheromone update rules of antcolony optimization approaches for the job shop scheduling problem In The 11th Paci-c Rim International Conference on Multi-Agents:Intelligent Agents and Multi-Agent Systems, volume 5357 of Lecture Notes in ComputerScience, 153160, Springer, Heidelberg [3] W.P Adams, R.J Forrester, F.W Glover, Comparisons and enhancement strategies for linearizing mixed 0–1 quadratic programs, Discrete Optim, (2)(2004) 99–120 [4] J.O Andersson, Lateral gene transfer in eukaryotes, Cell Mol Life Sci 62 (11) (2005) 11821197 [5] G Ausiello, M Demange, L Laura, V Paschos, Algorithms for the on-line quota traveling salesman problem,Inf Process Lett 92 (2) (2005) 89–94 [6] B Awerbuch, Y Azar, A Blum, S Vempala, New approximation guarantees for minimum-weight k-trees and prize-collecting salesmen, SIAM J Comput.28 (1) (1998) 254–262 [7] T.-M Chan, K.-F Man, K.-S Tang, S.A Kwong, A jumping gene algorithm for multiobjective resource management in wideband cdma systems, Comput.J 48 (6) (2005) 749–768 [8] K Cheverst, K Mitchell, N Davies, The role of adaptive hypermedia in a contextaware tourist guide, Commun ACM 45 (5) (2002) 47–51 [9] G.A Croes, A method for solving traveling-salesman problems, Oper Res (1958) 791–812 [10] J.D.V Elsas, S Turner, M.J Bailey, Horizontal gene transfer in the phytosphere, New Phytol 157 (3) (2003) 525–537 66 [11] A Fink , T ReinersModeling and solving the short-term car rental logistics problem, Transp Res Part E 42 (4) (2006) 272292 [12] P Foă ldesi, J Botzheim, Modeling of loss aversion in solving fuzzy road transport traveling salesman problem using eugenic bacterial memetic algo- rithm, Memetic Comput (2010) 259–271 [13] T Fukuda , N Kubota , K Shimojima ,Virusevolutionary genetic algorithm and its application to travelling salesmam problem, in: X Yao (Ed.), Evolu-tionary Computation, Theory and Applications, World Scientific, 1999, pp 235–255 [14] A Garcia, P Vansteenwegen, O Arbelaitz, W Souffriau, M.T Linaza, Integrating public transportation in personalised electronic tourist guides, Comput.Oper Res 40 (3) (2013) 758–774 [15] D Gavalas, C Konstantopoulos, K Mastakas, G Pantziou, A survey on algorithmic approaches for solving tourist trip design problems, J Heuristics 20(3) (2014) 291–328 [16] D.K George, C.H Xia, Fleet-sizing and service availability for a vehicle rental system via closed queueing networks, Eur J Oper Res 211 (1) (2011)198–207 [17] F Glover, E Woolsey, Converting the 0–1 polynomial programming problem to a 0–1 linear program, Oper Res 22 (1) (1974) 180–182 [18] GLPK, A Makhorin, Gnu linear programming kit [19] E.F.G Goldbarg, M.C Goldbarg, Transgenetic algorithm: A new endosymbiotic approach for evolutionary algorithms, in: A Abraham, A.-E Hassanien, P Siarry, A Engelbrecht (Eds.), Foundations of Computational Intelligence Volume 3, Studies in Computational Intelligence, volume 203, Springer Berlin Heidelberg, 2009, pp 425–460 [20] M.C Goldbarg, P.H Asconavieta, E.F.G Goldbarg, Memetic algorithm for the traveling car renter problem: an experimental investigation, Memetic Comput (2) (2012) 89–108 [21] M.C Goldbarg, E.F Goldbarg, M da S Menezes, H.P Luna, A transgenetic algorithm applied to the traveling car renter problem, Expert Syst Appl 40 (16) (2016) 6298–6310 [22] M.C Goldbarg, E.F Goldbarg, P.H Asconavieta, M da S Menezes, H.P Luna, Quota traveling car renter problem: Model and evolutionary algorithm, Expert Syst Appl 40 (16) (2013) 6298–6310 67 [23] B Golden, L Levy, R Vohra, The orienteering problem, Nav Res Logist 34 (3) (1987) 307–318 [24] K Hagen , R Kramer , M Hermkes , B Schumann , P Mueller , Semantic matching and heuristic search for a dynamic tour guide, in: Information and Communication Technologies in Tourism, Springer, 2005, pp 149–159 [25] Hansen, C Meyer, Improved compact linearizations for the unconstrained quadratic 0–1 minimization problem, Discr Appl Math 157 (6) (2009) 1267–1290 [26] R Kramer , M Modsching , K ten Hagen , A city guide agent creating and adapting individual sightseeing tours based on field trial results, Int J Comput.Intel Res (2) (2006) 191–206 [27] P Hansen, C Meyer, Improved compact linearizations for the unconstrained quadratic 0–1 minimization problem, Soft Comput 11 (2007) 923941 [28] P Kumar, D Gospodaric, P Bauer, Improved genetic algorithm inspired by biological evolution, Soft Comput 11 (2007) 923941 [29] M.S Menezes, M.C Goldbarg, E.F.G Goldbarg, A memetic algorithm for the prizecollecting traveling car renter problem, Evolutionary Computation(CEC), 2014 IEEE Congress on, 2014, pp 3258–3265 [30] C.E Miller, A.W Tucker, R.A Zemlin, Integer programming formulation of traveling salesman problems, J ACM (4) (1960) 326–329 [31] N.E Nawa, T Furuhashi, Fuzzy systems parameters discovery by bacterial evolutionary algoritm, IEEE Trans Fuzzy Syst (5) (1999) 608–616 [32] A.M Nedelcu, I.H Miles, A.M Fagir, K Karol, Adaptative eukaryote-toeukaryote lateral gene transfer: stress-related genes of algal origin in the closest unicellular relatives of animals, J Evol Biol 21 (6) (2008) 18521860 [33] G Reinelt, Tsplib– a traveling salesman problem library, ORSA J Comput (4) (1991) 376 [34] M Schilde, K Doerner, R Hartl, G Kiechle, Metaheuristics for the bi-objective orienteering problem, Swarm Intel (3) (2009) 179–201 [35] A Simões , E Costa , Transposition: a biologically inspired mechanism to use with genetic algorithms, in: Proceedings of the Fourth International Conference on Neural Networks and Genetic Algorithms (ICANNGA’99), 1999, pp 178–186 68 [36] W Souffriau, P Vansteenwegen, G.V Berghe, D.V Oudheusden, A path relinking approach for the team orienteering problem, Comput Oper Res 37(11) (2010) 1853–1859 [37] W Souffriau, P Vansteenwegen, J Vertommen, G.V Berghe, D.V Oudheusden, A personalised tourist trip design algorithm for mobile tourist guides, Appl Artif Intel 22 (10) (2008) 964–985 [38] W Souffriau, P Vansteenwegen, G.V Berghe, D.V Oudheusden, A path relinking approach for the team orienteering problem, Comput Oper Res 37(11) (2010) 1853–1859 [39] W Souffriau, P Vansteenwegen, J Vertommen, G.V Berghe, D.V Oudheusden, A personalised tourist trip design algorithm for mobile tourist guides, Appl Artif Intel 22 (10) (2008) 964–985 [40] T Tsiligirides, Heuristic methods applied to orienteering, J Oper Res Soc 35 (9) (1984) 797–809 [41] P Vansteenwegen, D.V Oudheusden, The mobile tourist guide: An or opportunity, OR Insights 20 (3) (2007) 21–27 [42] P Vansteenwegen, W Souffriau, G.V Berghe, D.V Oudheusden, Iterated local search for the team orienteering problem with time windows, Comput.Oper Res 36 (12) (2009) 3281–3290 [43] P Vansteenwegen, W Souffriau, G.V Berghe, D.V Oudheusden, The city trip planner: An expert system for tourists, Expert Syst Appl 38 (6) (2011)6540–6546 [44] P Vansteenwegen, W Souffriau, D.V Oudheusden, The orienteering problem: A survey, Eur J Oper Res 209 (1) (2011) 1–10 [45] Y Yang, W Jin, X Hao, Car rental logistics problem: A review of literature, in: Service Operations and Logistics, and Informatics, 2008 IEEE/SOLI 2008.IEEE International Conference on, 2, 2008, pp 2815–2819 [46] S.-H Yeung, H.-K Ng, K.-F Man, Multi-criteria design methodology of a dielectric resonator antenna with jumping genes evolutionary algorithm, Int.J Electron ă ) 62 (2008) 266276 Commun (AEU [47] W Yu, Z Bao, X Bao, Optimal deterministic algorithms for some variants of online quota traveling salesman problem, Eur J Oper Res 238 (3) (2014)735–740 69 [48] J.R Zaneveld, D.R Nemergut, R Knight„ Are all horizontal gene transfers created equal? prospects for mechanism-based studies of HGT patterns, Microbiology 154 (2008) 1–15 70