2. ORİENTEERİNG PROBLEMİ
2.7. Orienteering Problemi ile Benzer Gezgin Satıcı Problemi Türleri
2.7.2. Ödül Toplamalı Gezgin Satıcı Problemi
GSP’nin bir uzantısı olan PCTSP (Prize Collecting Traveling Salesman Problem) literatür açısından oldukça önemli bir konudur. Balas’a (1989) göre bir satıcı ziyaret ettiği her k şehri için bir wk ödülü kazanırken ziyaret edemediği her l şehri için de bir p cezası ödemektedir. Ayrıca birl i şehrinden j şehrine seyahat etmenin maliyeti c ij olmak üzere, amaç belli bir w ödül miktarını kazanma kısıtı altında yeteri 0 kadar şehir dolaşıp, seyahat maliyeti ile ziyaret edemediği şehirlerden dolayı aldığı cezaların toplamını enküçüklemektir.
2.7.3. Zaman Kısıtlı ve Zaman Pencer eli Gezgin Satıcı Problemi
Golden, et al., (1981)’e göre bir satıcının karşılaştığı gerçekçi bir problem olan Zaman Kısıtlı Gezgin Satıcı Probleminde (Timeconstrained Traveling Salesman ProblemTCTSP), i , j nokta çiftinden her birine belli bir kazanç değeri ve bir seyahat süresi atanmaktadır. Amaç bir zaman kısıtı altında başlanılan noktada biten ve toplam puanı enbüyükleyen turun bulunmasıdır.
Baker’a (1983) göre GSP’nin özel bir durumu olan TCTSP’de n adet şehir olduğu varsayıldığında 1’inci şehirden başlayıp geri kalan n - 1 şehrin her birine alt ve üst sınırı belirli ( li £ t i £ u i ) zaman aralıklarında (her şehir için), bir başka ifadeyle açık zaman penceresinde sadece bir kez uğrayacak şekilde, başlanılan şehirde (1) biten toplam tur maliyetinin enküçüklenmesi amaçlanmaktadır.
Dumas, et al., (1995)’e göre Zaman Pencereli Gezgin Satıcı Probleminde (Traveling Salesman Problem with Time WindowsTSPTW) toplam tur maliyetini enküçükleyecek şekilde, her bir nokta servis için müsaade edilen belirli en erken ve en geç zaman aralıklarında bir kez ziyaret edilmektedir. Zaman aralıkları ihlal edilememekte, eğer bir noktaya zaman aralığından önce gelinmesi halinde zaman aralığına girilene kadar beklenmektedir.
Literatürde ulaşılan kısıtlı kaynaklarda Baker (1983) ve Dumas, et al., (1995)’in tanımlarında olduğu gibi TCTSP ile TSPTW benzer şekilde ve OP’den farklı olarak tanımlanmıştır. Bu tanımların TSPTW tanımına daha uygun olduğu görülmekte ve bu iki tanıma göre tüm noktaların ziyaret edilmesi gerekmektedir. Bir başka çalışmada Teng, et al., (2006) TCTSP ile OP’yi aynı anlamda kullanmışlar, aralarındaki tek farkı başlangıç ve bitiş noktaları TCTSP’de aynı olmasına rağmen OP’de farklı olabileceği şeklinde belirtmişlerdir. Ancak yapılan araştırmalarda TCTSP ile ilgili yeterli kaynağa ulaşılamamakla birlikte, OP gibi çok net ifade edilmese de Golden, et al., (1981)’in tanımı OP ile çok yakın olarak değerlendirilebilir.
BÖLÜM 3
LİTERATÜR TARAMASI
Orienteering Problemi’ne ilişkin yapılan literatür araştırmasında çözüm yöntemleri, kronolojik sıralama ve çalışmaların literatür açısından önem dereceleri esas alınmıştır. Bu kapsamda, sezgisel (heuristic) çözüm yöntemleri, modern sezgisel (metaheuristic) çözüm yöntemleri, kesin (exact) çözüm yöntemleri ve değinilmesinde yarar görülen diğer çalışmalar ele alınmıştır. OP ile birlikte TOP ile ilgili referanslara da yer verilmiştir.
3.1. Sezgisel (Heuristic) Çözüm Yöntemleri
NPZor olan OP’nin ortaya çıktığı ilk yıllardan itibaren örnek problemlerin büyüklüğü ve işlem süreleri dikkate alınarak genellikle sezgisel çözüm yöntemleri tercih edilmiştir. Bu yöntemler zamanla gelişen bir seyir izlemiş ve önerilen algoritmaların performansları standart test problemleri üzerinde karşılaştırılmıştır. Bu çalışmalara diğerlerine göre daha kapsamlı olarak yer verilmiştir.
Tsiligirides (1984) Orienteering sporunu tanıtıp, bu sporun bir çeşidi olan Puan Orienteering’den yola çıkarak Orienteering Problemi’ni ilk kez tanımlamıştır.
Orienteering Problemi’nin çözümü için Monte Carlo Metodu da denilen S (Stokastik) ve D (Deterministik) algoritmalarını kullanmıştır. Bu algoritmalara daha sonra üç aşamadan oluşan rota iyileştirme (RI) algoritmasını uygulamıştır.
S ve RI algoritmalarına Dördüncü Bölümde detaylı olarak değinilecek olup, S Algoritması uzaklık ölçütü olarak noktalar arası kuş uçuşu (öklit) mesafe ile bu noktalara ait puanları dikkate alarak çok sayıda rota üretip, bunlardan en iyisini seçmeye yönelik bir algoritmadır.
D algoritması ile Wren and Holliday’in (1972) yük, mesafe veya zaman kısıtları altında bir veya daha fazla depodan çok sayıda dağıtım noktasına (müşterilere) sezgisel yöntem kullanarak araçların bilgisayar programlamasını yaptıkları çalışmaya benzer şekilde rota belirlendiği ama kapasite sınırı olmadığı ve tek depo bulunduğu ifade edilmektedir. Bu yöntemde harita bölümler halinde incelenmekte ve mesafe artışı minimumda tutulmaktadır. İç içe ortak merkezli iki dairenin yarıçapları değiştirilerek birçok daire elde edilmekte ve ziyaret edilecek nokta kalmayıncaya kadar veya Tmax kısıtı aşılması halinde belirli bir dairedeki rota oluşturma işlemi bitirilmektedir. Her adımda 48 durum incelenmekte ve bölgesel olarak yapılan analiz ile noktaların kümelendiği durumlarda daha hassas sonuçlar alındığı belirtilmektedir.
RI algoritması, S ve D Algoritması ile belirlenen rotaları üç farklı yaklaşımla iyileştirmek için uygulanmaktadır. Geliştirilen bu algoritmalar S(RI) ve D(RI) şeklinde gösterilmiştir. Birinci yaklaşımda mevcut rota içinde noktaların sırasında değişiklik yapılmakta, ikinci yaklaşımda mevcut rotaya ziyaret edilmemiş yeni bir nokta eklenmektedir. Üçüncü yaklaşımda ise mevcut rotaya yeni bir nokta eklenirken ziyaret edilen bir nokta çıkarılmaktadır. Tüm bu işlemlerde zaman veya mesafe sınırının aşılmaması ve yeni durumun öncekinden iyi olması gerekmektedir.
İlerleyen yıllarda farklı yöntemlerin uygulandığı Tsiligirides’in kendine ait 32, 21 ve 33 kontrol noktasından oluşan test problemlerine ilişkin nokta koordinatları (mesafe kuş uçuşu uzaklığa göre) ve puan değerleri verilmiştir. Algoritmaların bu problemlere Fortran IV yazılımı ile uygulanması sonucunda S algoritması D algoritmasına göre açık şekilde daha iyi sonuçlar vermiştir. İyileştirme aşamasında ise S(RI) algoritması ile D(RI) algoritmalarında birbiriyle eşdeğer sonuçlar elde edilmiş ve benzer rota, işlem süresi, puan ve mesafe bilgilerine ulaşılmıştır.
Golden, et al., (1984) Tsiligirides’in OP tanımıyla aynı yılda, bir tanker filosunun günlük olarak büyük bir müşteri kitlesine, müşterilerin stok seviyesini daima yeterli bir seviyede muhafaza edecek yakıt (sıvı propan) dağıtımını sağlamak için uygun biçimde rotalanmasına yönelik karmaşık bir dağıtım problemini ele almışlardır.
Çalışmalarında Zaman Kısıtlı Gezgin Satıcı Problemini (TCTSP) esas aldıklarını belirtmelerine rağmen, TCTSP ile ilgili herhangi bir bilgi vermedikleri gibi ilerleyen yıllarda bu çalışmayı OP ve TOP’nin uygulamalarına referans olarak göstermişlerdir (Golden, et al., 1987; Chao, et al., 1996 b).
Uygulamaya konu olan firma 110 bin müşteriye 60 dağıtım merkezinden 100 milyon galon yakıt dağıtımı yapmakta ve yıllık yaklaşık 10 milyon dolar dağıtım gideri bulunmaktadır. Her müşterinin tank kapasitesi bilinmekte ve yeniden sipariş noktası da denilebilecek (tank kapasitesinin %30’u) belirli bir kritik sınırın altına düşmemesi istenmektedir. Firmanın dağıtım sistemi de müşterilerin talebine (tank seviyelerinin tahminine) göre programlanmakta, stok dışı kalma çok maliyetli olduğu gibi, istenmemektedir. Müşteri stoklarının iyi şekilde ikmalinin sağlanması kısıtı altında, maliyet etkin bir dağıtım rotası hedeflenmekte, %50’nin üzerinde stok seviyesi olan müşterilere dağıtım yapılması da arzu edilmemekte ancak rotadan kaynaklanan (yol üzerinde olması gibi) durumlar olabileceği belirtilmektedir. Dağıtım sistemi müşteri seçimi, müşterilere araç atanması ve atanan her aracın etkin şekilde rotalanması olmak üzere 3 temel karar gerektirmektedir. Problemin müşterilerin coğrafi konumu ve dağıtımın zamanlaması nedeniyle 2 boyutu bulunmaktadır. Müşteriler arasındaki seyahat süreleri ve geçmişteki müşteri talepleri gibi firma için temel veri ihtiyaçlarında bile istenilen bilgilere tam olarak erişilemediği belirtilmiştir.
Firmanın dağıtım sistemi ile çalışmada önerilen sistemin performansları oluşturulan benzetim modelinde karşılaştırılmıştır. Dokuz aşamalı önerilen modelin birinci aşamasında müşterilerin son dağıtım yapıldıktan sonraki kullanım oranlarına göre tahmin edilen stok seviyeleri ile dağıtım yapılabilecek potansiyel bir müşteri grubu elde edilmektedir. Burada 0,51 arasında bir α kontrol parametresi kullanılmakta ve (tank seviyesi/ tank kapasitesi £ 1α) eşitsizliğine göre α =0,7 için, stok seviyesi tank kapasitesinin %30’undan az olan müşteri listeye alınmaktadır. Stok kontrol literatüründeki yeniden sipariş verme noktası [Tank kapasitesi x (1α)] denklemi ile ele alınmakta, potansiyel müşteri sayısının 200’den fazla olmasına izin verilmemektedir.
İkinci aşamada TCTSP için zaman ve kazanç matrisleri oluşturulmaktadır. Potansiyel müşterilere stok seviyelerinin aciliyetine göre artan kazanç değerleri verilmektedir.
Kullanım oranı yüksek olan müşterilerin kazanç değeri, stok seviyesi aynı olsa bile daha az bir kullanım hızına sahip müşteriden daha yüksek verilmektedir. Zaman matrisi ise müşteriler arasındaki seyahat süreleri olup, toplam TCTSP zaman kısıtı ise araç sayısı ve servis sürelerine göre belirlenmektedir ( Tmax = araç miktarı ´ zaman). Üçüncü aşamada iser bir orantılılık sabiti olmak üzere, ( r ´ i’nci müşteri kazanç değeri / i’nci müşteri ile oluşan mesafe artışı) oranını enbüyükleyecek şekilde, TCTSP sezgisel bir algoritma ile çözülmekte ve her adımda yeni bir müşteri seçilerek, toplam seyahat süresi
max
T değerini aşmayan bir tur elde edilmektedir. Dördüncü aşamada üçüncü aşamada seçilen müşterilere tanker kapasitesi kısıtı altında toplam seyahat mesafesini enküçükleyecek rotalar oluşturulmakta, beşinci aşamada bu rotalara günlük bazda tanker tahsisi yapılmaktadır. Altıncı aşamada rotaların günlük 7,5 saat üzerinden tanker filosunca gerçekleştirilememesi halinde 9,5 saat üzerinden tekrar denenmekte, yine yetersiz kalması halinde üçüncü aşamaya dönülerek daha küçük bir Tmax değeri ile işlemlere yeniden başlanmaktadır. Bu aşamada başarılı olunmuşsa yedinci aşamada planlanan sırayla dağıtıma başlanmakta, bir sonraki müşteri için ED müşterinin tahmini talebi olmak üzere, (kalan yakıt miktarı ³ 0,75 ED ) şartı kontrol edilmektedir. Bu şart sağlanıyorsa dağıtım yapılmakta, aksi halde bir sonraki müşteriye geçilmektedir.
Herhangi bir noktada tankerin yakıtı biterse depoya dönülmektedir. Sekizinci aşamada günün dağıtım istatistikleri (seyahat süresi ve mesafesi, dağıtılan yakıt miktarı, varsa aşılan süre) oluşturulmakta, dokuzuncu aşamada ise müşterilerin stok seviyeleri güncellenmektedir.
Firmanın modelinde ise müşteri seçimi yapılan ikinci ve üçüncü aşama olmayıp, haftalık 14 tanker (günlük yaklaşık 3 tanker) planlanmakta ve planlama 2,5 gün sürmektedir. Önerilen modelde ise günlük 2 araç planlanmakta ve planlama zamanı 1 gündür. Firmanın modeli ile önerilen model 3 aylık bir benzetimle karşılaştırıldığında;
önerilen model ile %8,4 dağıtılan yakıt miktarında, % 50 stok dışı kalma oranında, toplam maliyette ise %23 iyileştirme sağlanmıştır. Ayrıca müşterilerden %50’sinden elde edilen verilere göre önerilen modelde talep tahmini için mevsimsel etki de dikkate alınmıştır.
Golden, et al., (1987) OP’nin çözümü için Ağırlık Merkezi (centerofgravity) Sezgisel Yöntemini kullanarak, Tsiligirides’in test problemleri üzerinde daha iyi sonuçlar elde etmişlerdir. Bu çalışmada GTSP’nin karmaşıklığı da ele alınarak NPZor problem sınıfında yer aldığı gösterilmiştir.
Sezgisel yöntem 3 aşamadan oluşmaktadır. Birinci aşama başlangıç noktasından (1) başlayıp, temel olarak yüksek puanlı ve süresi fazla olmayan noktalar ideal aday noktalar olmak üzere, ekleme (insertion) sezgisel tekniği ile bitiş noktasında (n) sona eren ve Tmax zaman kısıtının altında bir sürede rota oluşturma sürecidir. Burada i ’nci noktanın puan derecesi SR( , ağırlık merkezi mesafe derecesi i ) CR (i ) , başlangıç ve bitiş noktasına olan uzaklık derecesi (elips derecesi) ER( i ) ve bir sonraki noktayı eklemek için ağırlık derecesi WR (i ) olmak üzere; WR(i ) = µ ´ SR( +i ) b ´ CR( i ) +g ´ ER (i ) ,
µ +b +g =1 denklemine göre rota oluşturmak için noktalar derecelendirilmektedir.
İkinci aşamada ise, birinci aşamada elde edilen rota geliştirilmektedir. Birinci aşamada elde edilen rotada yer alan noktaların yerlerini değiştirmek suretiyle, daha kısa mesafeli bir rota elde edilmek istenmekte ve takiben Tmax zaman kısıtını aşmadan mümkün olduğu kadar nokta ekleyerek toplam puanı daha yüksek bir rota elde edilmektedir.
s : i noktasının puanı olmak üzere; üçüncü aşamada, ikinci aşamada elde edilen rotanın ağırlık merkezi aşağıdaki denkleme göre hesap edilmektedir.
Ağırlık merkezi hesap edildikten sonra a( i ) = t ( i , g ) ve i = 1 ,..., n olmak üzere, tüm i değerleri için s (i ) / a( i ) oranları hesap edilmekte ve bu oranlara göre Tmax değerini aşmadan rotaya yeni noktalar eklenmektedir. Takiben bu rotaya tekrar iyileştirme aşaması (ikinci aşama) uygulanmaktadır. Elde edilen yeni rotaya üçüncü aşama rota bir döngüye girene kadar tekrar uygulanmakta ve elde edilen en yüksek puana sahip rota seçilmektedir.
Tsiligirides’in 32, 21 ve 33 kontrol noktalı test problemlerine Fortran 77 yazılımı ile Ağırlık Merkezi Sezgisel Yöntemi uygulanmış, Tsiligirides’in (1984) S ve D algoritmaları ile karşılaştırılmıştır (RI algoritması ile kıyaslanmıyor). 49 durumun tamamında D algoritmasından daha iyi sonuçlar elde edilirken, S algoritmasına 25 kez üstünlük, 11 kez eşitlik sağlandığı ve 13 kez daha kötü ancak yakın sonuçlar elde edildiği ifade edilmektedir.
Müşterilerin stok seviyelerinin aciliyeti puan olarak kabul edilmek suretiyle stok/rotalama problemi uygulaması olan çalışma Golden, et al., (1984), OP’nin uygulamasına örnek olarak verilmektedir. Ayrıca Tmax değerinin aşılması durumunda bir ceza faktörü kullanılabileceği ve bu işlemin daha gerçekçi olacağı belirtilmektedir.
Golden, et al., (1988) Ağırlık Merkezi Sezgisel Algoritması (Golden, et al., 1987) ile Tsiligirides’in S Algoritmasının (Tsiligirides, 1984) bileşimi bir yöntem geliştirilerek daha hızlı ve optimal çözüme daha yakın sonuçlar elde etmişlerdir. Yeni yöntem ağırlık merkezi ve rassallık kavramlarına ilave olarak, altağırlık (subgravity) ve öğrenme kavramları ile birlikte 4 temel kavrama dayandırılmıştır.
Çalışmada yeralan alt ağırlık kavramı; ağırlık merkezine yakın yüksek puanlı noktaların ziyaret edilmesi yerine, komşuluk puanına göre noktaların ziyaret edilmesi prensibine dayanmaktadır. Puanları düşük olsa bile bir birine yakın bir noktalar kümesinin kısa sürede ve Tmax kısıtı dahilinde ziyaret edilmesi halinde daha yüksek toplam puan değerine ulaşılabilecektir. Öğrenme kavramı ise, algoritmanın farklı noktaların kombinasyonundan oluşan rotalar arasında daha iyi olanı öğrenmesi
prensibine dayanmaktadır. OP açısından en iyi rotasının en yüksek puanlı noktaların bulunduğu kombinasyon olmayabileceği ifade edilmiştir.
Ağırlık Merkezi Sezgisel Yönteminde (Golden, et al., 1987) bir sonraki noktayı ekleyerek rota oluşturmak için WR(i ) = µ ´ SR( +i ) b ´ CR( i ) +g ´ ER (i ) , µ +b +g =1 denklemiyle noktalar derecelendirilmektedir (Golden, et al., 1987). Yeni yöntemde ise ( µ ,b , g ) parametreleri (0.7, 0.2, 0.1), (0.8, 0.1, 0.1) ve (0.5, 0.3, 0.2) değerleri verilerek test edilmiş ve en iyi sonucu veren (0.7, 0.2, 0.1) değerleri önerilmiştir. Bu parametreler SR , (i ) CR (i ) ve ER (i ) değerlerinin birbirlerine göre bir i noktasına yakın olan bütün j noktalarının puanları dikkate alınmaktadır.
Noktalar arasındaki ( t i , j ) seyahat mesafesinin veya süresinin bir fonksiyonu olarak bu noktaların puanları azaltılmaktadır. Çalışmada m = 10 olarak kullanılmıştır.
) (i
SR ¬ SR(i ) ´ LR (i ) denklemi ile LR( öğrenme derecesi gösterilmiştir. Biri ) i noktası ortalama üstü puana sahip rotalarda yer alıyorsa [ LR( >1]i ) i noktası ödüllendirilmekte, eğer ortalama altı rotalarda yer alıyorsa [ LR <1](i ) i noktası cezalandırılmaktadır. SR( , i ) CR( i ) ve ER( i ) değerleri 0 ile n (nokta sayısı) arasında yer almakta ve n bu üç değer için en iyi durumu ifade etmektedir. Aşağıdaki denklemlerde bu ölçeklendirme gösterilmiştir:
) (i
ER ¬ min
{
ER( j )}
´ n ER( i )Bu sezgisel yöntemde her adımda en yüksek ağırlık derecesine sahip 5 nokta bulunmakta ve beş noktadan eşit olasılıkla rastgele bir nokta (0.2 olasılıkla) seçilerek rotaya eklenmektedir. Zaman kısıtı Tmax sağlanıyorsa yeni nokta eklemek için işlemler tekrarlanmakta, sağlanamıyorsa en düşük değerli nokta rotadan çıkarılarak ekleme işlemi yenilenmekte ve başka bir nokta eklenemeyecek duruma ulaşılıncaya kadar süreç devam ettirilmektedir. Elde edilen rotanın toplam mesafesini azaltmak için rotada yeralan noktaların yerleri ikili olarak değiştirilmektedir. Bu iyileştirme işlemi sonrası elde edilen rotanın kendine ait bir ağırlık merkezi olduğundan ve noktalar en son performanslarına göre ödüllendirildiğinden veya cezalandırıldığından, SR , (i ) CR (i ) ve
) (i
LR değerlerinin güncellenmesi gerekmektedir. Her problem için 5 başlangıç ağırlık merkezi kullanılarak süreç 20 defa tekrarlanmış ve 100 farklı rota elde edilerek en yüksek puana sahip rota seçilmiştir. Her başlangıç ağırlık merkezinde tüm i noktaları için LR( =1 kabul edilmiş, ilk 19 rota oluşturulduktan sonra, i ) R (i ) i noktasını bulunduran rotalar ve R (i ) ’nin büyüklüğü (cardinality) N (i ) olmak üzere, öğrenme derecesi LR (i ) = 1 N( i )
å
Î R (i ) l
{l rotasının puanı ortalama rota puanı} denklemine göre güncellenmektedir. Denklemde ortalama rota puanı sadece i noktasının bulunduğu rotaların değil tüm rotaların ortalama puanıdır.
Bu yeni sezgisel yöntem Tsiligirides’in test problemlerine Fortran yazılımı ile uygulanıp, Tsiligirides’in S Algoritması ve Ağırlık Merkezi Sezgisel Yöntemi ile karşılaştırılmıştır. İlk iki problemde Tmax kısıtları küçük olduğundan fazla rota alternatifi üretilememiştir. Üç problemde toplam 49 durumun 32 tanesinde S Algoritmasına üstünlük sağlandığı ve diğerlerinde eşit sonuçlar elde edildiği, Ağırlık Merkezi Sezgisel Yöntemine ise 26 kez üstünlük sağlanırken 1 kez daha kötü sonuç alındığı ve diğerlerinde eşitlik sağlandığı belirtilmiştir.
Keller (1989) Orienteering Problemi’ni Çok Amaçlı Satış Problemi (MVP) olarak tanımlamıştır. MVP’de amaç mümkün olduğu kadar çok noktanın ziyaret edilmesiyle ödül miktarının enbüyüklenmesi, aynı zamanda da noktalar arasındaki seyahatin ceza miktarını (maliyet) enküçüklemek şeklinde ifade edilmektedir. Yazar 1985 yılında 25 noktadan oluşan bir probleme uyguladığı MVP sezgisel yöntemini Tsiligirides’in 32, 21 ve 33 kontrol noktalı test problemlerine uygulayarak, MVP ile Tsiligirides (1984) ve Golden, et al., (1987) arasında karşılaştırmalar yapmıştır.
Literatürde noktalar arasındaki seyahat maliyeti, zaman veya mesafe ile ifade edilirken bu çalışmada ceza kavramı kullanılmıştır. MVP’de ceza miktarının enküçüklenmesi şeklindeki amaç, ceza miktarının belli bir maksimum Pmax ceza seviyesinde kısıtlanması suretiyle problem tek amaçlı hale dönüştürülmektedir. Pmax sıfır olduğunda sadece depo ödülü kazanılabilmekte ve Pmax büyüdükçe ödül miktarı artmaktadır. Pmax tüm talep noktalarına ulaşılmasına yetecek büyüklükte ise problemin TSP haline dönüşeceği belirtilmiştir.
Yazarın kullandığı sezgisel yöntem Pmax kısıtı içinde rota oluşturma ve rota iyileştirme olmak üzere 2 temel aşamadan meydan gelmektedir. Bu yöntemde öncelikle d depo, j ziyaret edilecek olası noktalar olmak üzere, P dj + P jd £ P max şeklinde ceza kısıtı belirlenmekte ve bu kısıt ile Pmax içinde ziyaret edilemeyecek noktalar devre dışı kalmaktadır. Rota oluşturma sürecinde kullanılan birinci aşama ödül ve ceza oranına göre noktaların ziyaret edilmesi şeklindedir. İkinci aşamada ise stokastik olarak noktaların ödül miktarları toplamı 1 sayısına normalleştirilerek, 0 ile 1 arasında rassal seçilen sayılara göre noktalar ziyaret edilmektedir. Rota oluşturma sürecinin sonunda ise elde edilen rota içinde noktaların sırası değiştirilerek ceza miktarı azaltılmaya çalışılmaktadır.
Rota iyileştirme sürecinde ise; ilk aşamada oluşturulan rotaya 1 nokta ekleme, 1 nokta eklerken 1 nokta çıkarma ve 1 nokta eklerken 2 nokta çıkarma şeklinde işlemler
uygulanmaktadır. Bu aşamada ayrıca çözüm dışı bir noktalar grubu ile çözümde yer alan bir noktalar grubunun yerleri değiştirilmektedir.
Tsiligirides’in 32, 21 ve 33 kontrol noktalı problemlerine Fortran 77 ile MVP sezgisel algoritması uygulanmış ve önceki çalışmalardan farklı olarak, sonuçlarda elde edilen rotalar noktaların ziyaret ediliş sırasına göre verilmiştir. 3 problemden özellikle 33 noktalı problemde genel amaçla tasarlanan MVP algoritmasının daha iyi sonuçlar verdiği, yine genel durumda da OP için tasarlanmış diğer algoritmalara üstünlük sağlandığı belirtilmiştir.
Ramesh and Brown (1991) Orienteering Problemi’ni başlangıç noktalarının aynı veya farklı olması ve ziyaret edilen noktaların puan kazandırmasa da tekrar ziyaret edilebilmesine göre dört çeşide ayırmışlar ve 4 aşamalı etkili bir sezgisel yöntem geliştirilerek literatürdeki çalışmalarla karşılaştırmışlardır. Ayrıca diğer çalışmalardan farklı olarak bu yöntem sadece kuş uçuşu maliyet fonksiyonu için değil, genel maliyet fonksiyonlarına yönelik olarak tasarlanmıştır.
İlk aşama başlangıç rotasını oluşturmak için tek nokta ekleme ve 2 nokta ekleme olmak üzere, 2 tip ekleme işleminden meydana gelmektedir. Tek nokta ekleme işleminde;
f : rotaya eklenmemiş noktalar kümesi olmak üzere,
{
( ), , ( 1 ) ( ), ( 1 )}
denklemiyle ifade edilmekte olup, denklemden de anlaşılacağı üzere t noktası L( - m 1 ) ve
) (m
L arasına eklenmektedir. İki nokta ekleme işleminde ise seçilen nokta çiftinin arasındaki seyahat maliyetinin bu 2 noktanın puanları toplamına oranı dikkate alınmaktadır. Tmax nedeniyle 2 nokta ekleme işleminin yapılamayacağı bir duruma ulaşılınca tek nokta ekleme işlemi denenmekte, herhangi bir ekleme işlemi yapılamayacak duruma erişilince ikinci aşamaya geçilmektedir.
İkinci aşamada ise, elde edilen rotanın maliyetini düşürebilmek için rota içinde yer değiştirme işlemleri uygulanmaktadır (kopt algoritması, k=2,3). Ziyaret edilen 2 noktanın yerleri değiştirilmekte, eğer 2 nokta değişimi (2opt) ile maliyet azaltılabiliyorsa maliyeti daha da düşürmek için 3 nokta değişimi (3opt) uygulanmaktadır. Maliyeti daha düşük bir rota oluşturulabilmişse birinci aşamaya dönülerek tekrar nokta ekleme işlemi uygulanmakta, elde edilen en iyi durum ile üçüncü aşamaya geçilmektedir.
Üçüncü aşamada ikinci aşama sonucunda elde edilen rotadan toplam puanda minimum, toplam maliyette ise maksimum azalma sağlayacak şekilde bir nokta çıkarılarak, kalan noktalar için 2 noktanın yerlerinin değiştirilmesi suretiyle (ikinci aşamanın bir bölümü), maliyeti daha da düşürebilecek bir sıra elde edilmek istenmektedir. İkinci aşamada elde edilen rota L (i ) ve i = 1 ,..., n olmak üzere L( u ) rotadan çıkarıldığında yeni rotanın sıralaması L(1 ),..., L ( u - 1 ), L ( u + 1 ),..., L ( n ) şeklinde elde edilmektedir. Bu yeni sıralamaya 2 nokta arasında uygulanan yer değiştirme sonucunda, L( u ) rotadan çıkarılmadan önceki toplam maliyetten düşük olması
Üçüncü aşamada ikinci aşama sonucunda elde edilen rotadan toplam puanda minimum, toplam maliyette ise maksimum azalma sağlayacak şekilde bir nokta çıkarılarak, kalan noktalar için 2 noktanın yerlerinin değiştirilmesi suretiyle (ikinci aşamanın bir bölümü), maliyeti daha da düşürebilecek bir sıra elde edilmek istenmektedir. İkinci aşamada elde edilen rota L (i ) ve i = 1 ,..., n olmak üzere L( u ) rotadan çıkarıldığında yeni rotanın sıralaması L(1 ),..., L ( u - 1 ), L ( u + 1 ),..., L ( n ) şeklinde elde edilmektedir. Bu yeni sıralamaya 2 nokta arasında uygulanan yer değiştirme sonucunda, L( u ) rotadan çıkarılmadan önceki toplam maliyetten düşük olması