Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Elektrische Antriebe und Energiesysteme 2025 | 26 + 27 März 2025

19. Internationaler MTZ-Fachkongress Zukunftsantriebe

Seien Sie bei der Konferenz dabei! Dort treffen Experten aus der Automobilindustrie, Energieerzeugung und Stromnetzbetrieb auf Vertreter aus Politik und Wissenschaft. Diskutiert werden wichtige Themen der Branche.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2024 | OriginalPaper | Buchkapitel

Cooperative Coevolution for Cross-City Itinerary Planning

verfasst von : Ziyu Zhang, Peilan Xu, Zhaoguo Wang, Wenjian Luo

Erschienen in: Intelligent Information Processing XII

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The itinerary planning problem plays a pivotal role in the tourism industry, involving the selection of an optimal tour route from multiple preferred points of interest (POIs) chosen by travelers while considering their diverse needs. However, as tourism expands and transportation becomes more accessible, there is a growing preference among travelers for planning single trips across multiple cities-referred to as cross-city itinerary planning. This paper introduces a novel approach, called CCIP, the cooperative coevolution framework for cross-city itinerary planning, which employs a divide-and-conquer method to automatically devise scalable cross-city itineraries, accounting for travelers’ preferences regarding time and travel choices. Experimental evaluations on real datasets from various cities in Jiangsu Province demonstrate that the proposed algorithm outperforms two classical multi-objective optimization algorithms, as measured by the HV metric.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Recommendation Algorithm Based on Automatic Meta-path Generation and Relationship Aggregation
Nächstes Kapitel A Stock Price Trend Prediction Method Based on Market Sentiment Factors and Multi-layer Stacking Ensemble Learning with Dual-CNN-LSTM Models and Nested Heterogeneous Learners
Literatur
1.
Castillo, L., et al.: SAMAP: an user-oriented adaptive system for planning tourist visits. Expert Syst. Appl. 34(2), 1318–1332 (2008)CrossRef
2.
Chang, H.T., Chang, Y.M., Tsai, M.T.: ATIPS: automatic travel itinerary planning system for domestic areas. Computat. Intell. Neurosci. 2016 (2015)
3.
Chen, C., Zhang, D., Guo, B., Ma, X., Pan, G., Wu, Z.: TripPlanner: personalized trip planning leveraging heterogeneous crowdsourced digital footprints. IEEE Trans. Intell. Transp. Syst. 16(3), 1259–1273 (2015)CrossRef
4.
Chen, G., Wu, S., Zhou, J., Tung, A.K.: Automatic itinerary planning for traveling services. IEEE Trans. Knowl. Data Eng. 26(3), 514–527 (2014)CrossRef
5.
Deb, K., Pratap, A., Agarwal, S., Meyarivan, T.: A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evol. Comput. 6(2), 182–197 (2002)CrossRef
6.
Hu, W., Fathi, M., Pardalos, P.M.: A multi-objective evolutionary algorithm based on decomposition and constraint programming for the multi-objective team orienteering problem with time windows. Appl. Soft Comput. 73, 383–393 (2018)CrossRef
7.
Huang, T., Gong, Y.J., Zhang, Y.H., Zhan, Z.H., Zhang, J.: Automatic planning of multiple itineraries: a niching genetic evolution approach. IEEE Trans. Intell. Transp. Syst. 21(10), 4225–4240 (2019) CrossRef
8.
Luo, W., Qiao, Y., Lin, X., Xu, P., Preuss, M.: Many-modal optimization by difficulty-based cooperative co-evolution. In: 2019 IEEE Symposium Series on Computational Intelligence (SSCI), pp. 1907–1914. IEEE (2019)
9.
Ma, Z., Guo, H., Gui, Y., Gong, Y.J.: An efficient computational approach for automatic itinerary planning on web servers. In: Proceedings of the Genetic and Evolutionary Computation Conference, pp. 991–999 (2021)
10.
Moore, J.: Application of particle swarm to multiobjective optimization. Technical report (1999)
11.
Omidvar, M.N., Kazimipour, B., Li, X., Yao, X.: CBCC3-a contribution-based cooperative co-evolutionary algorithm with improved exploration/exploitation balance. In: 2016 IEEE Congress on Evolutionary Computation (CEC), pp. 3541–3548. IEEE (2016)
12.
Omidvar, M.N., Li, X., Yao, X.: Smart use of computational resources based on contribution for cooperative co-evolutionary algorithms. In: Proceedings of the 13th Annual Conference on Genetic and Evolutionary Computation, pp. 1115–1122 (2011)
13.
14.
Qiao, Y., Luo, W., Lin, X., Xu, P., Preuss, M.: DBCC2: an improved difficulty-based cooperative co-evolution for many-modal optimization. Complex Intell. Syst. 1–21 (2023)
15.
Rodríguez, B., Molina, J., Pérez, F., Caballero, R.: Interactive design of personalised tourism routes. Tour. Manag. 33(4), 926–940 (2012)CrossRef
16.
Ruiz-Meza, J., Montoya-Torres, J.R.: A systematic literature review for the tourist trip design problem: extensions, solution techniques and future research lines. Oper. Res. Perspect. 9, 100228 (2022)MathSciNet
17.
18.
Vincent, F.Y., Jewpanya, P., Ting, C.J., Redi, A.P.: Two-level particle swarm optimization for the multi-modal team orienteering problem with time windows. Appl. Soft Comput. 61, 1022–1040 (2017)CrossRef
19.
Wang, X., et al.: Analysis of changes in population’s cross-city travel patterns in the pre-and post-pandemic era: a case study of china. Cities 122, 103472 (2022)CrossRef
20.
Xu, P., Luo, W., Lin, X., Chang, Y., Tang, K.: Difficulty and contribution-based cooperative coevolution for large-scale optimization. IEEE Trans. Evol. Comput. 27(5), 1355–1369 (2023)CrossRef
21.
Xu, P., Luo, W., Lin, X., Zhang, J., Qiao, Y., Wang, X.: Constraint-objective cooperative coevolution for large-scale constrained optimization. ACM Trans. Evol. Learn. Optim. 1(3), 1–26 (2021)CrossRef
22.
Xu, P., Luo, W., Lin, X., Zhang, J., Wang, X.: A large-scale continuous optimization benchmark suite with versatile coupled heterogeneous modules. Swarm Evol. Comput. 78, 101280 (2023)CrossRef
23.
24.
Xu, P., Luo, W., Xu, J., Qiao, Y., Zhang, J., Gu, N.: An alternative way of evolutionary multimodal optimization: density-based population initialization strategy. Swarm Evol. Comput. 67, 100971 (2021)CrossRef
25.
Zhang, Q., Li, H.: MOEA/D: a multiobjective evolutionary algorithm based on decomposition. IEEE Trans. Evol. Comput. 11(6), 712–731 (2007)CrossRef
26.
Zitzler, E., Thiele, L.: Multiobjective evolutionary algorithms: a comparative case study and the strength pareto approach. IEEE Trans. Evol. Comput. 3(4), 257–271 (1999)CrossRef
27.
Zografos, K.G., Androutsopoulos, K.N.: Algorithms for itinerary planning in multimodal transportation networks. IEEE Trans. Intell. Transp. Syst. 9(1), 175–184 (2008)CrossRef
Metadaten
Titel
Cooperative Coevolution for Cross-City Itinerary Planning
verfasst von
Ziyu Zhang
Peilan Xu
Zhaoguo Wang
Wenjian Luo
Copyright-Jahr
2024
Buch
Intelligent Information Processing XII

Print ISBN: 978-3-031-57807-6

Electronic ISBN: 978-3-031-57808-3

Copyright-Jahr: 2024

DOI
https://doi.org/10.1007/978-3-031-57808-3_28

Premium Partner

    Bildnachweise