3. LİTERATÜR TARAMASI
3.4. Diğer Referanslar
Araştırmalarda OP ile ilgilisi bulunan birçok çalışmaya ulaşılmış olup, bu bölümde OP literatürü için önemli olduğu değerlendirilen bazı kaynaklara kısaca yer verilmiştir.
Balas (1989) OP ile yakın anlamda kullanılan ve benzer özellikleri olan PCTSP çalışmasını ortaya koymuştur. Bu çalışma hem GSP hem de OP için en temel referanslar arasına girmiştir. Çalışmada problemin tanımı ve modeli verilmekle birlikte yapısal özellikleri üzerinde incelemeler yapılmıştır.
Erkut and Zang (1996) OP tanımına benzer şekilde MCPTDR (Maximum Collection Problem with Time Dependant Rewards) yaklaşımını ortaya koymuşlardır.
Bu yaklaşımda amaç noktaların ziyaret edilmesi sonucunda toplanan ödülün
enbüyüklenmesidir ve ödüller zamana bağlı olarak azalmaktadır. Tüm noktalar ziyaret edilmek istenmekte ancak noktaların ödülleri zamanla azaldığından ödülü sıfıra kadar düşen noktalar rota dışında bırakılmaktadır. Çalışmada başarılı sonuçlar elde edilen cezaya dayalı bir sezgisel yöntem ve 20 noktaya kadar optimal sonuçlar elde edilebilen bir kesin çözüm yöntemi (dal ve sınır algoritması) kullanılmış olup, MCPTDR rekabete dayalı uygulama alanlarına yönelik önemli bir problem olduğu belirtilmiştir.
Butt and Ryan (1999) özellikle TOP ile benzer bir çalışma olan MTMCP yaklaşımını ortaya koymuşlar ve problemde kesin çözüm yöntemini tercih etmişlerdir.
MTMCP’de bir zaman kısıtı dahilinde çok sayıda müşterinin tamamı ziyaret edilemeyeceğinden, maksimum toplam puana ulaşmak için birden fazla tur düzenleyerek bu müşterilerden bir bölümü seçilmektedir. Ayrıca her müşteri sadece bir kez ziyaret edilmektedir. MTMCP’nin çözümü için bir SP (setpartitioning) yöntemi geliştirilmiştir.
Deitch and Ladany (2000) BTP (Bus Touring Problem) ile başlangıç ve bitiş noktası aynı olan OP’nin arasındaki ilişkiyi incelemişlerdir. Her iki problemin modellemesi yapılmış ve BTP, OP’ye dönüştürülerek problem çözülmüştür. OP çözümü tekrar BTP’ye dönüştürülmek suretiyle BTP çözümü elde edilmek istenmiştir.
Tsiligirides’in (1984) S algoritması ile birlikte bir sezgisel iyileştirme algoritması kullanılarak, 11 test problemi üzerinde çözüm araştırması yapılmıştır. Ancak OP’den BTP’ye geri dönüşüm sürecinin her zaman başarılı olmayabileceği belirtilmektedir.
Gutin and Gregory (2002) GSP ve çeşitlerini anlatan çalışmalarında OP ve PCTSP’ye de geniş yer vermişlerdir. Literatürdeki bazı önemli çalışmalardan faydalanılarak oluşturulan bu çalışma, OP ile ilgili bilinen ve ulaşılabilen tek kitaptır.
Feillet, et al., (2005) kapsamlı bir literatür taraması ile OP ve benzer problemler karlı GSP çeşitleri olarak ele alınmıştır. Bu problemlere ilişkin yapılan uygulamaları, kullanılan yöntem ve yaklaşımları inceleyerek karşılaştırmalar yapmışlardır. Bu problemlerin genel olarak toplam kazancın enbüyüklenmesi ile birlikte toplam maliyetin
enküçüklenmesi şeklinde iki amaçlı olduğu belirtilmiştir. Bu çalışmanın OP açısından detaylı bir referans taraması olduğunu söyleyebiliriz.
Righini and Salani (2006) literatürde çok az görülen OPTW için bir dinamik programlama yöntemi kullanmışlardır. Çalışma herhangi bir dokümanda yayınlanmamış olmakla birlikte önemli bir referanstır. Dinamik programlama yönteminde DSSR (Decrementel State Space Relaxation) tekniği kullanılmış, algoritmanın performansı literatürde bulunan bazı test problemleri üzerinde incelenmiştir.
Vansteenwegen and Audheusden (2007) tez çalışmalarının bir özeti olan bu çalışma, OP’nin uygulama alanları açısından önemlidir. Kablosuz internet bağlantısıyla turistlerin ellerinde taşıyabilecekleri, anlık olarak değişikliklere ve gelişmelere duyarlı biçimde kendilerine tatil planı sunan yeni nesil bir Elektronik Turist Rehberi (ETG) ihtiyacı üzerine bir çalışmadır. Bu çalışmanın bizi en çok ilgilendiren yönü ise turistlerin ziyaret etmek istedikleri noktalardan OP yaklaşımı ile uygun rota oluşturulmasıdır. Zaman ve şartlar elverişli olduğunda GSP ile rota planlaması yapılabileceği ancak gerçek uygulamalarda her zaman mümkün olmadığı belirtilmiştir.
OP’nin bu planlamalar için en uygun yöntem olduğu değerlendirilmiş ve farklı durumlarda uygulama örnekleri verilmiştir. Ziyaret edilecek noktaların belli bir zaman aralığı gerektirmesi halinde OPTW, bir günden fazla planlama gerektiğinde TOP yaklaşımları kullanılabilmektedir.
İlhan, et al., (2008) kontrol noktalarının puanlarının rassal olduğu bir OP yaklaşımı olan OPSP (Orienteering Problem with Stochastic Profits)’yi ortaya koymuşlardır. OPSP’de belli bir zaman kısıtı altında ve bir hedef puan seviyesi üzerinde puan toplama olasılığının enbüyüklenmesi amaçlanmaktadır. Çalışmada problemin parametrik formülasyonuna dayalı bir kesin çözüm yöntemi ile 2 amaçlı bir genetik algoritma önerilmiş ve algoritmaların performansları test problemleri üzerinde incelenmiştir. Çalışmada büyük bir Amerikan otomobil firmasının stok sisteminden esinlenildiği ifade edilmektedir.
BÖLÜM 4
KULLANILAN SEZGİSEL ALGORİTMALAR VE ÖRNEK PROBLEMLERE UYGULANMASI
Tezin bu bölümünde öncelikle Tsiligirides’in S ve RI algoritmalarına değinilmiş, bu algoritmalar esas alınarak güncel bir yazılım dili olan Visual C# ile gerçek problemlere uygulanabilecek şekilde kodlanan programa ilişkin bilgilere yer verilmiştir. Yazılan programın veri girişi ve çalışma basamakları genel olarak açıklanmış olup, bu program gerçek hayattaki çeşitli problemlerin OP yaklaşımı ile çözülmesine ve test edilebilmesine olanak sağlamaktadır. Gerçek hayattaki uygulamalar için OP modeline uygun yeterli verilerin olmaması ve bu verilerin oluşturulması için uygun alanlarda uzun süreli ve düzenli olarak, maliyetli bir çalışma gerektiğinden test problemleri tercih edilmiştir. Gerçek hayata yönelik 3 örnek problem tasarlanmış ve yazılan program ile incelenmiştir. Ayrıca algoritmaların performansları rassal olarak üretilen 30 test problemi üzerinde de değerlendirilmiştir.
4.1. Tsiligirides’in S (Stokastik) Algoritması
Tsiligirides’in (1984) S Algoritması temel olarak basit bir hiyerarşi ile birçok rota üretip, bunlardan en iyisini seçmeye yöneliktir. Stokastik bir yöntemle, puan/maliyet oranına göre noktaları seçerek Tmax kısıtı dahilinde en yüksek puana sahip rotanın elde edilmesi amaçlanmaktadır.
NPTS : nokta sayısı (başlangıç her zaman 1 ve bitiş NPTS ), LAST : en son ziyaret edilen nokta,
) (f
NFEAS : belli bir noktadayken ziyaret edilebilecek geçerli noktalar, )
(j
A : her nokta için öncelik (çekicilik) ölçüsü, T : LAST ’a kadar olan toplam süre veya mesafe,
) (j
DEL : bir noktanın tüm noktalara göre genel yakınlık ölçüsü, C ij : i ’nci noktadan j’nci noktaya gitmenin maliyeti,
)
LENGTH : dikkate alınan geçerli nokta sayısı,
{
T max T C ( LAST , j ) C ( j , NPTS )}
DEL ( j ) aE = - - - ´ kalan süre veya mesafe
olmak üzere, başlangıç noktasında veya ziyaret edilmiş bir noktada iken, henüz ziyaret edilmemiş N j noktalarının öncelik veya çekicilik ölçüsü A( j ) ;
) (j
A =
{
( S ( j ) + E ) C ( LAST , j )}
r , j ¹ LAST denklemiyle elde edilmektedir.Hesaplanan A( j ) değerleri A(1 ) > A ( 2 ) > A ( 3 ) > ... > A ( k ) > ... > A ( f ) şeklinde sıralanmakta ve k = min( f l , ) olmak üzere, mevcut adımda ziyaret edilebilecek noktaların olasılıkları; hangisinin P( j ) olasılığına karşılık geliyorsa o nokta ziyaret edilmektedir. Bu süreç kalan sürenin Tmax değerini aşmadan, NPTS dışında başka noktayı ziyaret edemeyecek biçimde az olduğu duruma kadar tekrarlanmaktadır.
32, 21 ve 33 noktadan oluşan 3 adet test problemi oluşturularak koordinat ve puan bilgileri verilmiştir. Maliyet matrisi kartezyen koordinatlardan elde edilen mesafe bilgilerinden meydana gelmektedir. Tsiligirides tarafından 32 noktadan oluşan test
problemi ile modelin kalibresi yapılmış ve A( j ) için 2 ile 6 arasında nokta denenmiş olup, her adımda olasılıklar için farklı rassal sayılar üretilmiştir. Yaklaşık 3000 rota üretilmiş ve farklı Tmax değerleri için en etkili parametre değerleri ( l = 4 . 0 , r = 4 . 0 ,
0 . 0
=
a ) olarak seçilmiş ve A( j ) denklemi; A( j ) =
{
S ( j ) C ( LAST , j )}
4 . 0 , j ¹ LASTolacak şekilde indirgenmiştir.
4.2. Tsiligirides’in Rota İyileştir me (RI) Algoritması
Tsiligirides’in (1984) RI Algoritması; S ve D algoritmaları ile elde edilen, başlangıç çözümü de diyebileceğimiz rotanın 3 aşamalı olarak geliştirilmesine yönelik bir yöntemdir. Burada RI Algoritması, S Algoritması dikkate alınarak açıklanmıştır.
Birinci aşamada S Algoritması ile elde edilen rotada yer alan noktaların yerleri ikili olarak değiştirilmektedir. Bu yer değişiklikleri ile toplam maliyeti (mesafe veya süre) en az olacak şekilde rotadaki noktalar yeniden sıralandırılmaktadır. Maliyet azaltılamıyorsa başlangıç çözümündeki (S Algoritmasının çözümü) sıralama aynen geçerli olacaktır. Bu işlem toplam puanı hiçbir zaman etkilemeyecektir. Ancak puan değişmese bile bu puanın daha düşük maliyetle elde edilmesi çözümü iyileştirmektedir.
İkinci aşamada Tmax kısıtını aşmadan çözümde yer almayan noktalar sırayla rotaya eklenmekte ve toplam puanda artış sağlanması hedeflenmektedir. Tmax kısıtı dahilinde maksimum puan artışı sağlayan yeni nokta ile çözüm iyileştirilmektedir. Tmax kısıtı aşılmadan yeni nokta eklenemiyorsa bu aşamadan önceki rota durumu uygulanmaktadır.
Üçüncü aşamada ise yine Tmax kısıtı içinde kalmak üzere, elde edilmiş olan son rotadan bir nokta çıkarılırken, rotada yer almayan bir nokta eklenmektedir. Rotaya eklenen noktanın puanı çıkarılan noktadan daha yüksek ise ve Tmax kısıtı aşılmıyorsa
çözümde iyileştirme sağlanmaktadır. En yüksek puan artışı sağlayan değişim ile algoritma sonlandırılmaktadır. S Algoritmasıyla elde edilen çözüme uygulanan RI Algoritması ile iyileştirme sağlanamıyorsa S Algoritmasının sonucu aynen geçerli olacaktır. Tsiligirides test problemlerinde RI Algoritması ile hem maliyet, hem de puan olarak önemli düzeyde iyileştirmeler sağlamıştır.
4.3. Yazılıma İlişkin Bilgiler
Bu bölümde Visual C# yazılımı ile kodlanan programın veri girişi, çalışma prensipleri ve algoritmaların akış diyagramları hakkında genel bilgiler verilmiştir.
Program kodlarının önemli bölümleri Ek.1.Ek.5.’de verilmiştir.
4.3.1. Veri girişi
Programın kullanımı, başta veri giriş işlemleri olmak üzere genel olarak oldukça kolaydır. Ekrana girilmesi gereken ilk veri ilgili problemde yer alan nokta sayısıdır.
Nokta sayısı girilince ekrandaki “yeni problem” butonuna basıldığında nokta sayısına göre boş puan ve maliyet tabloları açılmaktadır. Takiben tüm noktaların puan bilgileri ile maliyet matrisi bilgilerinin işlenmesi gerekmektedir. Puan ve maliyet bilgileri istenildiği takdirde program tarafından rassal olarak üretilebilmektedir. Maliyet matrisinde ( cij = c ji ) ve ( c ii = 0 ) kabul edilmiştir. Puan bilgilerinde ise ilk ve son noktanın (başlangıç ve bitiş noktaları) puanları sıfır olarak alınmıştır. Üretilen rassal sayıların tutarlı olması gerektiğinden maksimum puan ve maksimum maliyet değerlerinin belirlenmesi için birer adet veri giriş penceresi açılmıştır. Puan ve maliyet verileri elle girildikten veya rassal üretildikten sonra mesafe veya zaman cinsinden Tmax kısıtı girilmektedir. Son olarak problemin büyüklüğüne göre S Algoritması ile üretilecek rota sayısı (2. yöntem deneme sayısı) ve birinci yönteme iyileştirme aşamalarının uygulanma sayısı (7. yöntem deneme sayısı) girilmelidir. Olasılıklara göre rota seçildiğinden ikinci yöntem deneme sayısının küçük girilmesi algoritma ile elde
edilebilecek en yüksek puanlı rotanın kaçırılmasına neden olabileceği gibi, büyük bir sayı girilmesi de işlem süresini oldukça artıracaktır. Ayrıca bir problemin maliyet matrisinin oluşturulması zaman aldığından, önceden girilen maliyet bilgilerinin kullanabilmesi için problemin kaydedilmesine olanak sağlanmıştır. Girilecek veriler programdan alınan resimlerle aşağıda Şekil 4.1. ve Şekil 4.2.’de gösterilmiştir.
Şekil 4.1. Parametre Veri Girişi
Şekil 4.2. Puan ve Mesafe Veri Girişi
4.3.2. Programın çalıştırılması ve çözüm basamakları
Veri girişi yapıldıktan sonra, ekranın sağ üst tarafında yer alan çözüm aşamalarının üzerine sırayla tıklanıp, “çözüm” butonuna basıldığında sağ altta ilgili çözüm aşamasının sonuçları görünecektir. Verilerde değişiklik yapılması halinde “yeni
çözüm” butonuna basılması gerekir. Program 7 adet çözüm aşamasından meydana gelmektedir. Birinci aşama Tsiligirides’in algoritmasından farklı olarak S Algoritmasına alternatif olarak yazılmış olup, basitçe her adımda en yüksek puan/mesafe ( s / j d ij ) oranına sahip olan nokta rotaya eklenerek Tmax kısıtı içinde bir çözüm elde edilmektedir. Programın 2, 3, 4 ve 5. aşamaları Tsiligirides’in algoritmasının kullanılan yazılıma uyarlanmış şekli olup, ikinci aşamada S Algoritması uygulanmış ve diğer üç aşamada ise sırayla RI Algoritmasının 3 yöntemi ile S Algoritmasının sonucu iyileştirilmek istenmiştir. Programda birinci ve ikinci aşamada elde edilen en iyi sonucun iyileştirilmesi esas alınmıştır. Altıncı aşama en son beşinci yöntem ile iyileştirilen sonuca iyileştirme aşamalarının (3, 4 ve 5. yöntemler) tekrar uygulanması şeklindedir. Yedinci aşamada ise Tsiligirides’in sezgisel yöntemine alternatif olan birinci yöntem ile oluşturulan rotaya RI Algoritmasının iyileştirme aşamaları (3, 4 ve 5. yöntemler) istenilen sayıda uygulanmaktadır. Program ilk 2 yöntemin sonuçları alınmadan diğer yöntemlere geçilmesine izin vermemektedir. Yine ilk 2 yöntem için sonuçların adım adım alınabilmesi sağlanmıştır. İkinci yöntem dışındaki aşamaların işlem süreleri çok kısadır. İkinci yöntemde nokta sayısı ve bu yöntemle üretilen rota sayısı ile doğru orantılı olarak işlem süresi değişmektedir.
Programın çalıştırıldığı çözüm aşamaları Şekil 4.3.’de ve çözüm bilgileri Şekil 4.4.’de gösterilmiştir.
Şekil 4.3. Programın çözüm aşamaları
Şekil 4.4. Çözüm bilgileri
4.3.3. Akış diyagramları
Programın kodlanması esnasında en çok S Algoritmasında (ikinci yöntem) zorlukla karşılaşılmış olup, diğer aşamalar çok daha kısa sürede gerçekleştirilmiştir.
Akış diyagramları oluşturulurken kolay anlaşılması ön planda tutulmuştur. Programın genel akış diyagramı ile kullanılan ilk 5 yöntemin akış diyagramları genel hatlarıyla Şekil 4.5.Şekil 4.10.’da gösterilmiştir. İkinci yöntemin akış diyagramında tekrar sayısı veri girişi içinde olmasına rağmen önemli olduğu için özellikle gösterilmiştir. Genel akış diyagramı veri girişi ile programın çözüm basamaklarını ve birbirleriyle ilişkilerini göstermektedir. Yedinci yöntemde (3, 4 ve 5. yöntem) birinci yönteme uygulanacak iyileştirme sayısı girilmelidir.
Şekil 4.5. Genel akış diyagramı
1.Yöntem ile rota oluştur
3.Yöntem (Interchange) ile maliyeti azalt
4.Yöntem (Insert) ile toplam puanı iyileştir 2.Yöntem (S Alg.) ile rota oluştur
5.Yöntem (InsertDelete) ile toplam puanı iyileştir BAŞLA
Verileri Gir
BİTİR
6.Yöntem (3,4,5.Yöntemin tekrarı) ile sonucu iyileştir Tekrar Sayısı
Gir
7.Yöntem (3,4,5.Yöntem) ile sonucu iyileştir
Birinci yöntem akış diyagramında, basitçe en yüksek puan/mesafe oranlarına göre noktaların ziyaret edilerek çok kısa işlem süresi dahilinde sadece tek bir rota oluşturulmasına yönelik işlem basamakları gösterilmektedir.
Şekil 4.6. Birinci yöntem akış diyagramı H
E Ziyaret edilmeyen tüm noktalar için
ij
j d
s / oranlarını hesapla
En büyük s / j d ij oranına sahip noktayı ziyaret et
Bir önceki noktadan bitiş noktasına git rotayı kaydet
Bitiş noktasına gitmek için
süre yeterli mi?
BAŞLA
BİTİR Verileri Oku
İkinci yöntem akış diyagramında, yazılımın en önemli ve en çok işlem süresi gerektiren bölümünü oluşturan Tsiligirides’in S Algoritmasının basamakları gösterilmiştir.
E
Şekil 4.7. İkinci yöntem akış diyagramı
E
H E
H
Ziyaret edilmemiş tüm noktalar için A( j ) = ( s j / d ij ) 4 değerlerini hesapla En büyük ilk 4 A( j ) değerine sahip noktanın P (j ) olasılıklarını hesapla
Bir önceki noktadan bitiş noktasına git rotayı kaydet
Bitiş noktasına gitmek için süre yeterli mi?
01 arasında rassal bir sayı ata
Rassal sayı hangi P (j ) olasılığına karşılık geliyorsa o noktayı ziyaret et
BAŞLA
BİTİR Verileri Oku
Tekrar sayısı gir
Tekrar sayısı rota sayısına
eşit mi?
En yüksek puanlı rotayı seç
Üçüncü yöntem akış diyagramında, en yaygın sezgisel geliştirme tekniklerinden biri olan ve işlem süresi çok kısa zaman alan, ikinci yöntem maliyetinin azaltılmaya çalışıldığı yer değiştirme (interchange) işleminin basamakları gösterilmektedir.
Şekil 4.8. Üçüncü yöntem akış diyagramı E H
E
H
H
E
Rotada yer alan sırayla yeni bir nokta seç
Rotada yer alan sırayla başka bir nokta seç
Noktaların yerlerini değiştir
Rotayı kaydet Toplam Süre
2.Yöntem süresinden büyük
mü?
Tüm noktalar denendi mi?
Toplam mesafesi en küçük rotayı seç
Tüm noktalar denendi mi?
BAŞLA
2.Yöntem sonucunu oku
BİTİR
Dördüncü yöntem akış diyagramında, işlem süresi kısa olmakla birlikte nokta sayısına göre çok az değişen ve rotaya yeni bir nokta ekleyerek (insert) toplam puanı zaman kısıtı içinde iyileştirme işleminin aşamaları yer almaktadır.
E
Şekil 4.9. Dördüncü yöntem akış diyagramı E H
E
H
H
E
Rotada yer almayan sırayla yeni bir nokta seç
Rotadaki bir noktadan sonra rotaya ekle
Rotayı kaydet Toplam süre
max
T değerinden büyük mü?
Tüm noktalar denendi mi?
En yüksek puanlı rotayı seç
Tüm noktalar denendi mi?
BAŞLA
3.Yöntem sonucunu oku
BİTİR
Beşinci yöntem akış diyagramında, programın ve iyileştirme işleminin son aşaması olan eklesil (insertdelete) yönteminin aşamaları gösterilmiştir. İşlem süresi kısa olmakla birlikte nokta sayısına göre çok az değişebilmektedir.
E
H
Şekil 4.10. Beşinci yöntem akış diyagramı E H
E
H
H
E
Rotada yer alan sırayla yeni bir nokta seç
Rotada yer almayan sırayla yeni bir nokta seç
Noktaların yerlerini değiştir
Rotayı kaydet Toplam süre
max
T değerinden büyük mü?
Tüm noktalar denendi mi?
Toplam puanı en büyük rotayı seç
Tüm noktalar denendi mi?
BAŞLA
4.Yöntem sonucunu oku
BİTİR
4.4. Uygulama Pr oblemleri
Turizm alanında tur seçimi, bir mal/ hizmet dağıtım sistemi ve servis güzergahı seçimi olmak üzere üç farklı örnek uygulama problemi tanımlanmıştır. Ayrıca 33 rassal test problemi oluşturulmuş ve tüm bu problemler yazılan program ile test edilerek sonuçları incelenmiştir. Problemlerde programdan alınan resimlere de yer verilmiştir.
4.4.1. Turizm uygulama problemi
Bu bölüm öncelikle turizm uygulama probleminin tanımı ve problemin çözümü olmak üzere 2 aşamadan meydana gelmiştir. Problemi tanımlarken öncelikle OP ile turizmin ilişkisi değerlendirilmiştir.
4.4.1.1.Problemin tanımı
Turizm sektörü OP ile birlikte TOP için potansiyel bir uygulama alanıdır.
Birçok noktadan oluşan bir turizm örneğinde, bu noktaları birbiriyle kıyaslama gereği ve belli bir zaman kısıtı olması, noktaların hepsinin ziyaret edilmesinin imkansızlığı OP için uygun şartları oluşturmaktadır. TOP için merkezi bir noktadan bu noktanın etrafında yer alan noktalara birkaç günlük bir gezi programı veya kalabalık bir müşteri kitlesiyle ve birden fazla araçla aynı anda, aynı noktaları ziyaret etmemek için farklı rotalarla düzenlenecek turlar güzel birer örnek teşkil edebilir. Turizm alanında turlarla ilgili OP mantığına uygun şekilde rota seçimi yapabilmek için ziyaret edilebilecek bir şehirler kümesi, bu şehirlere ait puanlar, şehirlerarası maliyet matrisi ve zaman kısıtı
max
T gerekli olan verilerdir. Daha verimli bir çalışma için her şehre gidiş süresi veya mesafesine ilave olarak ziyaret süresi, gezilecek yerlerin açılma ve kapanma zamanları, konaklama ve mola imkanları, bir günün detaylı zaman programı (seyahat, gezi, yemek, dinlenme ve serbest vakit vb.), hava ve yol koşulları gibi etkenler de değerlendirilebilecektir.
Orienteering Problemi’nin potansiyel bir uygulama alanı olan turizmde, Türkiye şartlarında bir uygulama örneği olmadığı gibi, uygulama yapmak için gerekli olan veriler yeterli değildir. Yerel bir firma yetkilisi ile yapılan görüşmede bu durum teyit edilmiştir. Firmalar tarafından yıl içindeki tatil günleri, mevsim koşulları ve konaklama imkanlarının başlıca önemli kriterler olarak alındığı, genelde ilk ve son gün gece yolculukları ile zamanın etkin olarak kullanılmaya çalışıldığı, yolculuk sürelerinde müşterileri yormayacak şekilde günlük olarak 34 saat gibi kısıtlamalara gidildiği, gezi sonrası memnuniyet anketleri uygulandığı ancak bu anketlerin veri sağlamaya yönelik ve yeterli olmadığı görülmüştür. Turizmde müşteri beklentilerine bilimsel değerlerle de karşılık verilmesi gerektiği değerlendirilmektedir. Bu değişim aynı zamanda turizm sektöründeki profesyonelliği de geliştirebilecektir.
Türkiye genelinde bir rota seçimi yapmak için tüm şehirler aday noktalar olarak alınabilir. Değişik kriterlere göre bu noktaları azaltmak mümkündür. En çok tur düzenlenen şehirler, en çok gezilmek istenen şehirler veya önceki müşterilerce gezildikten sonra en çok beğenilen şehirler, bölgesel olarak gezilmek istenen şehirler aday noktalar olarak seçilebilecektir. Burada elde edilebilecek en sağlıklı veri en çok tur düzenlenen şehirler olup, bu şehirler müşteriden ziyade turizm firmalarının inisiyatifinde bulunmaktadır. Puan olarak ise bir şehrin gezildikten sonra turistlerce beğenilme derecesi, gezi öncesi her şehre gösterilen talep oranları veya şehirlerin turistik değerlerinin birbirleriyle kıyaslanması ile elde edilebilecek oranlar alınabilir.
Maliyet matrisi ise şehirler arasındaki mesafe veya zaman bilgileri ile oluşturulabilecektir. Tmax değeri olarak gezi için planlanan toplam süre alınabilecektir ve bu süre genel olarak gün ve hafta ile ifade edilebilecek sürelerdir. Türkiye’deki yerli veya yabancı turistlere yönelik turlar nokta sayısı olarak yetersiz olduğu için, OP’nin ve kullanılan yazılımın uygulamasına iyi bir örnek teşkil etmemektedir.
Bu nedenle örnek bir problem olarak, Türkiye’nin tüm bölgelerini kapsayacak şekilde bir gezi planlanmıştır. Turizm açısından çok önemli 2 şehrimizden İstanbul başlangıç noktası ve Antalya bitiş noktası olmak üzere, toplam 39 şehrimiz ziyaret edilebilecek noktalar olarak seçilmiş ve bu şehirlere ait mesafe matrisi Türkiye Kara
Yolları Haritasından alınmıştır. Tmax kısıtı 1 hafta (7 gün) ve 2 hafta (14 gün) olacak şekilde ayrı ayrı incelenmiştir. Günlük ortalama seyahat süresi 4 saat ve ortalama hız
Yolları Haritasından alınmıştır. Tmax kısıtı 1 hafta (7 gün) ve 2 hafta (14 gün) olacak şekilde ayrı ayrı incelenmiştir. Günlük ortalama seyahat süresi 4 saat ve ortalama hız