موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 2 4 2024 08 31 One-Day Travel Planning Using a Genetic Algorithm ارائه برنامه‌‌ریزی سفر یک‌روزه با استفاده از الگوریتم ژنتیک 97 113 10.22051/jera.2021.31891.2698 FA همایون دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایران. مریم دانشکده مهندسی برق و کامپیوتر،گروه کامپیوتر، واحد سروستان، دانشگاه آزاد اسلامی، سروستان، ایران. 2024 04 03 Travel planning is a critical aspect of tourism, presenting significant challenges for visitors exploring unfamiliar cities. The Tourist Trip Design Problem (TTDP) focuses on optimizing routes for tourists interested in visiting multiple Points of Interest (POIs) to enhance the efficiency of daily sightseeing activities in a city. Our study models the TTDP using the Orienteering Problem (OP) while considering user-specific travel constraints such as time limitations and fixed start and end points at particular POIs. Additionally, an innovative approach is introduced that incorporates user interest levels based on personalized visit duration preferences into the travel planning model. By utilizing genetic algorithms, this approach ensures robust search efficiency and facilitates both global and local optimizations. Empirical evaluations on real-world datasets demonstrate that our proposed algorithm outperforms in achieving diverse and optimized travel plans and is confirmed to be effective in scalability concerning different problem sizes and optimization goals. برنامه‌ریزی سفر، یک جنبه حیاتی از گردشگری است که چالش‌های قابل‌توجهی را برای بازدیدکنندگانی به همراه دارد که شهرهای ناشناخته را کاوش می‌کنند. مسئله طراحی سفر گردشگری (TTDP) به بهینه‌سازی مسیرها برای گردشگران علاقه‌مند به بازدید از چندین نقطه جذاب (POI) با هدف افزایش کارایی فعالیت‌های دیداری روزانه در یک شهر می‌پردازد. مطالعه ما، مسئله طراحی سفر گردشگری را با استفاده از مسئله مسیریابی (OP) و با در نظر گرفتن محدودیت‌های سفر خاص کاربری مانند محدودیت‌های زمانی و نقاط شروع و پایان مشخص در POIهای خاص، مدل‌سازی می‌کند. علاوه بر این، یک رویکرد نوآورانه معرفی شده است که سطوح علاقه کاربر را بر اساس ترجیحات مدت‌زمان بازدید و به‌صورت شخصی‌سازی‌شده، در مدل برنامه‌ریزی سفر در نظر می‌گیرد؛ از طریق الگوریتم‌های ژنتیک می‌توان اطمینان داشت که این رویکرد، کارایی جستجوی قوی را به دست آورد و همچنین، بهینه‌سازی‌های سراسری و محلی را تسهیل نماید. ارزیابی‌های تجربی بر روی مجموعه داده‌های واقعی نشان می‌دهد که الگوریتم پیشنهادی ما، عملکرد برتری در دستیابی به برنامه‌های سفر متنوع و بهینه دارد و تأیید می‌شود که این روش در مقیاس‌پذیری در مقابل اندازه‌های مختلف مسئله و اهداف بهینه‌سازی مؤثر است. /downloadfilepdf/527641