EXAMINATION OF THE RED PANDA ALGORITHM FOR SOLVING THE TRAVELING SALESMAN PROBLEM: AN EXAMPLE OF DETERMINING ROUTES TO DISASTER AND EMERGENCY ASSEMBLY AREAS

Öz

This study analyzes the Red Panda Optimization Algorithm (RPOA), inspired by nature, in solving the Traveling Salesman Problem (TSP). Specifically, it aims to determine the shortest and most efficient routes to assembly areas during disasters. TSP is a fundamental problem with a wide range of applications in logistics, route planning, distribution, and facility location. It is a problem classified as NP-hard (difficult to solve) with a large solution space, and has been studied by researchers for many years. Due to the rapidly growing solution space, solving it with classical methods is impractical. For this problem, where classical methods are insufficient, RPOA, which mimics the feeding and resting behaviors of red pandas, offers an effective search strategy. In this study, the algorithm is tested using the coordinates of 115 real disaster and emergency assembly areas located in Karşıyaka district of İzmir province. The performance of RPOA is compared with the classical randomized TSP algorithm; its solution quality and computation time are analyzed. The results show that RPOA produces shorter routes and, in some cases, reaches a solution faster. These findings demonstrate the algorithm's usability in time-critical applications such as disaster management.

Anahtar Kelimeler

• Traveling Salesman Problem
• Red Panda Algorithm
• Meta-heuristic Optimization
• Route Optimization

KIRMIZI PANDA ALGORİTMASININ GEZGİN SATICI PROBLEMİNİ ÇÖZMEK İÇİN İNCELENMESİ: AFET VE ACİL DURUM TOPLANMA ALANLARINA GİDEN GÜZERGAHLARIN BELİRLENMESİNE BİR ÖRNEK

Öz

Bu çalışma, doğadan esinlenerek geliştirilen Kırmızı Panda Optimizasyon Algoritması'nın (RPOA), Gezgin Satıcı Problemi'ni (TSP) çözmedeki performansını analiz etmektedir. Özellikle, afet durumlarında toplanma alanlarına en kısa ve en verimli rotaları belirlemeyi amaçlamaktadır. TSP, lojistik, rota planlama, dağıtım ve tesis yerleştirme gibi geniş bir uygulama yelpazesine sahip temel bir problemdir. Geniş bir çözüm alanına sahip ve NP-zor (çözülmesi zor) olarak sınıflandırılan bu problem, uzun yıllardır araştırmacılar tarafından incelenmektedir. Hızla büyüyen çözüm alanı nedeniyle, klasik yöntemlerle çözülmesi pratik değildir. Klasik yöntemlerin yetersiz kaldığı bu problem için, kırmızı pandaların beslenme ve dinlenme davranışlarını taklit eden RPOA, etkili bir arama stratejisi sunmaktadır. Bu çalışmada, algoritma İzmir ilinin Karşıyaka ilçesinde bulunan 115 gerçek afet ve acil durum toplanma alanının koordinatları kullanılarak test edilmiştir. RPOA'nın performansı, klasik rastgele TSP algoritmasıyla karşılaştırılmış; çözüm kalitesi ve hesaplama süresi analiz edilmiştir. Sonuçlar, RPOA'nın daha kısa rotalar ürettiğini ve bazı durumlarda çözüme daha hızlı ulaştığını göstermektedir. Bu bulgular, algoritmanın afet yönetimi gibi zaman açısından kritik uygulamalarda kullanılabilirliğini ortaya koymaktadır.

Anahtar Kelimeler

• Gezgin Satıcı Problemi
• Kırmızı Panda Algoritması
• Meta-sezgisel Optimizasyon
• Rota Optimizasyonu

Kaynakça

1. T. Yıldırım, C.B. Kalaycı, Ö. Mutlu, Gezgin Satıcı Problemi için Yeni Bir Meta-Sezgisel: Kör Fare Algoritması, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Vol.22, N.1, pp.64-70 (2016).
2. D.D. Işık, Emergency and Terminated Evacuation of Supermarket Warehouse Using Indoor Navigation by Dijkstra's Algorithm, M.Sc. Thesis, Graduate School, Istanbul Technical University, (2024).
3. S. Kuzu, O. Önay, U. Şen, M. Tunçer, B. Yıldırım and T. Keskintürk, Gezgin Satıcı Problemlerinin Metasezgiseller ile Çözümü, İstanbul Üniversitesi İşletme Fakültesi Dergisi, Vol.43, N.1, pp.1-27 (2014).
4. K.K. Göncü, O. Çetin, Kent Dışı Yerleşim Noktalarında Kargo Dağıtımı İçin Gezgin Satıcı Problemi Çözümü, Trakya Üniversitesi Sosyal Bilimler Dergisi, Vol.25, Special Issue, pp.415-428 (2023).
5. Y. Şahin, K. Karagül, Gezgin Satıcı Probleminin Melez Akışkan Genetik Algoritma (MAGA) Kullanarak Çözümü, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Vol.25, N.1, pp.106-114 (2019).
6. H. Givi, M. Dehghani and Š. Hubálovský, Red Panda Optimization Algorithm: An Effective Bio-Inspired Metaheuristic Algorithm for Solving Engineering Optimization Problems, IEEE Access, Vol.11, pp.57203-57227 (2023).
7. S. Saranya and P. Jayarajan, Enhanced Deep Learning-Based Optimization Model for the Optimal Energy Efficiency-Oriented Cognitive Radio Networks, Ain Shams Engineering Journal, Vol.15, N.12, Article 103051 (2024).
8. N. Malathy, K. Sathya, P. Baskaran and S.K. Somasundaram, An Improved Red Panda Optimizer for Effective Construction Site Design, International Research Journal of Multidisciplinary Scope, Vol.5, N.1, pp.568-581 (2024).

9. G. Saravanan, C. Pazhanimuthu and P. Naveen, Performance Improvement Of Dc Motor Control System Using Pid Controller with Kookaburra and Red Panda Optimization Algorithm, Scientific Reports, Vol.15, Article 20021 (2025).
10. K. Karagül, Gezgin Satıcı Problemi İçin Yeni Bir Çözüm Yaklaşımı: TPORT, Dokuz Eylül Üniversitesi Fen ve Mühendislik Dergisi, Vol.21, N.63, pp.819-832 (2019).
11. H.R. Er, Gezgin Satıcı Probleminin Hadoop Üzerinde Çalışan Paralel Genetik Algoritma ile Çözümü, M.Sc. Thesis, İstanbul Teknik Üniversitesi, (2013).
12. Y. Erdem and T. Keskintürk, Kanguru Algoritması ve Gezgin Satıcı Problemine Uygulanması, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, Vol.10, N.19, pp.51-63 (2011).