Genelleştirilmiş takım oryantiring problemi için yeni matematiksel modeller

Takım Oryantiring Problemi (TOP) belirli sayıda gezginden (m) oluşan bir takımın başlangıç noktasından başlayarak verilen zaman kısıtı altında en yüksek getiriyi sağlayan müşterilere uğrayarak başlangıç noktasına dönen turu bulmayı amaçlayan bir optimizasyon problemi olarak tanımlanmaktadır. Tüm müşterilere uğrama zorunluluğu yoktur. Müşterilerin salkımlara gruplandırılması ile Seçisi Gezgin Satıcı Problemi’nin genelleştirilmiş hali literatürde çalışılmıştır. TOP için genelleştirilmiş formata literatürde rastlanmadığı için bu tezin kapsamında Genelleştirilmiş Takım Oryantiring Problemi (GTOP) için yeni modeller önerilmiştir. Model içerisinde düğümlere ya da salkımlara uğrama sırasının tutulduğu bir yardımcı değişken ile iki model, model içerisinde müşteriler ya da salkımlar arası geçiş ayrıtlarının sırasının tutulduğu bir yardımcı değişken ile iki model önerilmiştir. Modellerin performansları test problemleri üzerinden yapılmıştır. Toplam 9216 farklı problem çözdürülmüş ve problemlerin 84%’ünün en iyi çözümü bulunmuştur. Küçük ve orta boyutlu problemlerde ayrıt tabanlı modellerin, büyük boyutlu problemlerde düğüm tabanlı modellerin daha fazla çözüm bulduğu görülmüştür. Tüm problemler dikkate alındığında ayrıt sıralama tabanlı modeller daha fazla çözüm bulmuştur. Team Orienteering Problem (TOP) is an optimization problem in which an optimal tour is searched for a team of travelers, previously specified number (m), under the constraint of a maximum travel time and the objective function of the problem is to maximize the profit which is collected from the customers. In the problem, every customer is not necessarily visited. The generalized version of Selective Traveling Salesman Problem in which the customers are grouped as clusters is studied in the literature. New mathematical formulations for the Generalized Team Orienteering Problem (GTOP) are proposed in this thesis, since there is a gap in the literature about the generalization of the TOP. Two models are proposed with the additional sequence-based decision variables for customers/clusters and two models are proposed with the additional sequence-based decision variables for arcs between customers/clusters. Performances of the four models are tested on the test problems. 9216 problems are solved, and the proposed models are able to find the optimal solutions for the %84 of the problems. For the small and medium sized problems edge-based models, for the big sized problems node-based models find more optimal solutions. In overall, edge-based models are observed to be able to find more solutions than the node-based problems