uma nova abordagem na resolução do problema do caixeiro viajante

A publicação de Liu et al. (2003) mostra a aplicação da técnica de Busca Tabu para
resolver o problema do Caixeiro Viajante, onde a escolha dos possíveis candidatos para uma
nova solução é feita através de uma nova estratégia, criando dois conjuntos de candidatos:
elementos de intensificação e de diversificação. Esta técnica produz soluções com índice de
convergência variando entre 23% e 99% para dados to TSPLIB.
O artigo de Mulder e Wunsch II (2003) mostra a combinação da Rede Neural do tipo
dividir e conquistar, com a técnica de melhoria proposta por Lin e Kernighan (1973) para
resolver o problema do Caixeiro Viajante simétrico. Neste artigo são feitas comparações desta
técnica com técnicas semelhantes encontradas na literatura para os problemas to TSPLIB.
A publicação de Aras, Oommen e Altinel (1999) mostra a técnica da Rede de Kohonen
com a implementação de técnicas estatísticas entre os pesos dos neurônios (Kohonen Network
Incorporating Explicit Statistics – KNIES) para resolver o problema do Caixeiro Viajante
simétrico. A aprendizagem da rede consiste em duas fases: a fase de atração, onde os
neurônios mais próximos de uma determinada cidade são atraídos para esta cidade (como na
aprendizagem da Rede de Kohonen), e a fase de dispersão, onde os pesos dos demais
neurônios são modificados com o objetivo que os mesmos fiquem mais distantes da cidade
em questão. Os critérios utilizados para definir os elementos que participam da atração são
baseados nas relações estatísticas entre os dados de entrada e os pesos da rede. Depois do
aprendizado da rede, o método faz a dispersão dos neurônios, com o objetivo de igualar as
medidas estatísticas destes neurônios. Se todos os neurônios são envolvidos nesta seleção, o
método é denominado global (KNIESG), e se alguns neurônios são escolhidos para participar
desta seleção, o método é denominado local (KNIESL). Os resultados apresentados para
alguns problemas do TSPLIB para esta Rede Neural mostram erros médios variando entre
0,07% e 12,24%.
O denominado mapa de Kohonen melhorado para resolver o problema do Caixeiro
Viajante é apresentado em Zhu e Yang (2003). A estrutura dos neurônios do mapa de
Kohonen possui a forma de anel, e os padrões de entrada da rede são as coordenadas das
cidades. Com mudanças na atualização da taxa de aprendizagem e nos pesos da rede, esta rede
apresenta resultados melhores do que os encontrados com as atualizações conhecidas para
este tipo de Rede Neural.
O trabalho de Cochrane e Beasley (2003) mostra a resolução do problema do Caixeiro
Viajante simétrico através de mapas de Kohonen, com a idéia de cooperação entre os vizinhos