Sözlük · method
Tabu Arama
Son ziyaret edilen çözüm ya da hamleleri tabu listesinde tutarak döngülere düşmeyi engelleyen ve yoğunlaşma/çeşitlendirme stratejileriyle arama uzayını dolaşan bellek-tabanlı metaheuristik.
Tabu SearchTSYasaklı AramaMemory-Based MetaheuristicAdaptive Memory Programming
Tabu arama, Glover (1986, 1989, 1990) tarafından önerilen bellek-tabanlı bir metaheuristiktir; bağımsız olarak benzer bir fikir Hansen (1986) tarafından da ortaya konmuştur. Algoritmanın ayırt edici özelliği açık bir hafıza yapısı kullanmasıdır — tavlama benzetimi rastlantısallığa, genetik algoritma popülasyona dayanırken tabu arama son hamlelerin veya ziyaret edilen çözüm özniteliklerinin listesini tutarak aynı bölgeye dönmeyi yasaklar. Temel öğeleri: (1) komşuluk yapısı ve hamle değerlendirmesi; her iterasyonda mevcut çözümün en iyi komşusuna geçilir, kötüleşmeyi olsa bile (yerel optimumdan çıkış); (2) kısa-dönem bellek (tabu listesi) — son k hamle yasaklı, k tabu süresi (tenure) ile kontrol edilir; (3) aspirasyon kriteri — tabu hamle bile şimdiye dek bulunan en iyi çözümü geliştirirse kabul edilir; (4) orta-dönem bellek (yoğunlaşma) — sık ziyaret edilen iyi çözümler etrafında arama derinleştirilir; (5) uzun-dönem bellek (çeşitlendirme) — hiç ziyaret edilmemiş bölgelere yönelik atlamalar. Granular tabu search, reactive tabu search (Battiti ve Tecchiolli 1994; tenure'u otomatik ayarlar) ve adaptive memory programming yaygın uzantılardır. VRP, scheduling, çizelgeleme, atama problemlerinde en güçlü metaheuristiklerden biridir; Cordeau-Laporte VRP çalışmaları endüstri kıyaslamasıdır. Tavlama benzetimi ile karşılaştırıldığında daha deterministik ve hafıza-yoğundur; benzer kalite, daha az parametre hassasiyeti. Referanslar: Glover ve Laguna (1997), Gendreau ve Potvin (2010).
Örnek
Bir kurye firması 18 müşteriye günlük servis yapan tek araç için rota optimize ediyor. Açgözlü başlangıç 184 km. Tabu arama 2-opt ve or-opt komşulukları, tabu süresi 7, aspirasyon kriteri ve 50 iterasyonluk çeşitlendirme atlamaları ile 9 dakikada 151 km çözüm üretir (%18 iyileşme). Algoritma birkaç kez geçici olarak daha kötü çözümlere geçer ama tabu listesi sayesinde önceki rotalara dönmez ve farklı topolojiler keşfeder; yoğunlaşma fazında en iyi çözümün etrafında ince ayar yapar.