Η προσωποποιημένη πλοήγηση αφορά στην επιλογή και χάραξη της βέλτιστης διαδρομής βάση των προτιμήσεων ενός ατόμου. Σήμερα η διαδικασία πραγματοποιείται μέσα από διαδικτυακές εφαρμογές συστημάτων λήψης απόφασης που μπορεί να τις χειρίζεται ο χρήστης από έναν ηλεκτρονικό υπολογιστή ή κινητό τηλέφωνο. Με βάση τη θέση του χρήστη ή το σημείο έναρξης της διαδρομής, τα διαθέσιμα σημεία ενδιαφέροντος (Point of Interest (POIs)) αλλά και τις δηλωθείσες προτιμήσεις του, ο χρήστης πληροφορείται για τη διαδρομή που πρέπει να ακολουθήσει. Η διαδρομή αυτή θα παρέχει τη μέγιστη χρησιμότητα μέσα στους περιορισμούς που το ίδιο το άτομο θέτει. Η παρούσα εργασία επικεντρώνεται στη χρήση της προσωποποιημένης πλοήγησης για τουρίστες.
Η προσωποποιημένη πλοήγηση δεν στοχεύει μόνο στη χάραξη μίας βέλτιστης διαδρομής αλλά επιτρέπει σε κάθε χρήστη να προσθέτει τις προτιμήσεις του και τους περιορισμούς του. Προβλήματα αυτής της κατηγορίας δεν μπορούν να λυθούν από ακριβείς αλγόριθμους όμως πλήθος ευρετικών, μεταευρετικών αλγορίθμων και αλγορίθμων τοπικής αναζήτησης που απαντώνται στην βιβλιογραφία μπορούν να χρησιμοποιηθούν για να δώσουν ως αποτέλεσμα μια καλή, αν όχι βέλτιστη, προσωποποιημένη διαδρομή.
Σκοπός της παρούσας μελέτης είναι η παρουσίαση της προσωποποιημένης πλοήγησης, στοχευμένη σε τουριστικές εφαρμογές, καθώς και των βασικών εννοιών που συνδέονται με αυτή. Παρουσιάζεται το ειδικότερο πρόβλημα της χάραξης της βέλτιστης διαδρομής που πραγματεύεται η παρούσα μελέτη και των μεθόδων και αλγορίθμων που μπορούν να χρησιμοποιηθούν για να προσεγγίσουν τη βέλτιστη λύση. Τέλος εξηγείται η συνάφειά του προβλήματος με το πρόβλημα του Προσανατολισμού (Orienteering Problem (OP)), καθώς και με το συνηθέστερο πρόβλημα του Ομαδικού Προσανατολισμού (Team Orienteering Problem (TOP)). Ως βάση για μελλοντική εργασία προτείνεται ένας νέος αλγόριθμος για το OP και για την ειδικότερη περίπτωση που ένας τουρίστας ξεκινά από ένα, όχι πάντα το ίδιο, σημείο και καταλήγει πίσω σε αυτό. Ο αλγόριθμος χρησιμοποιεί μεθοδολογία που βασίζεται στο TOP για την κατασκευή μίας αρχικής διαδρομής και στη συνέχεια μεθοδολογία που βασίζεται στο OP για να βελτιωθεί η διαδρομή. Ο αλγόριθμος εφαρμόζεται σε τρία πολύ γνωστά σετ δεδομένων και συγκρίνεται με 4 αλγόριθμους της βιβλιογραφίας.
Personalized routing for the tourist agenda is looking for a set of control points, usually referred as Points of Interest (POIs) to be visited, so that the total score, benefit or profit is maximized subject to a constraint on the total travel cost or time. A score or profit is associated to each POI, and for each pair of POIs a travel cost is specified. The corresponding tourist planning problem basically coincides with the Team Orienteering Problem with Time Windows (TOPTW) constraints, which is NP-hard problem that arises in vehicle routing and production scheduling framework. Personalized routing aims not only at planning an optimal route, by means of route generation and customization, but also facilitates each user by personalizing their recommendations. Although problems in this category present enormous difficulty to complete search algorithms, various heuristics and local search algorithms, found in the literature, can be applied to create a personalized route especially designed for tourists. Furthermore as a bases to future work an algorithm that solves the OP is presented where the tourist departs from a specified but not fixed point (origin) and returns to it. The algorithm uses TOP methodology to construct an initial route and then OP in order to enhance it and produce an optimal one. After the construction of the initial route heuristics, greedy local search algorithms as well as optimization techniques are implemented in order to optimize the result. Throughout the design of the algorithm consideration was taken upon future extension where starting and ending points would be different and the algorithm should produce as a result more than one optimal routes in order to facilitate not one single tourist/team but several groups. The proposed method is applied in three well known data sets, taken from the literature and is compared to four previously published algorithms. The algorithm proposed in this paper proved to be able to give similar results with previously published algorithms in acceptable computing time, and in some instances outperform them.
