求解广义异质车队车辆路径问题的混合启发式算法
最优化与控制
2018-03-07 v1
摘要
我们考虑一类丰富车辆路径问题(RVRP),其特点是将异质车队与其他属性结合,如回程、多 depot、分割配送、站点依赖、开放路径、时长限制以及时间窗。为高效求解这些问题,我们提出一种混合元启发式算法,将带变邻域下降的迭代局部搜索(用于解改进)与集合划分公式(用于利用过往搜索记忆)相结合。此外,我们研究一类联合邻域,其同时修改访问序列并执行启发式或最优的车辆到路径的重分配。据我们所知,这是针对大类异质车队 RVRP 的首个统一方法,能够求解超过 12 种问题变体。该算法在 643 个知名基准实例上评估,71.70% 的最优已知解被复得或改进。此外,所提元启发式(可视为一种数学启发式,matheuristic)相较先前方法以低标准差产生高质量解。最后,我们观察到联合邻域的使用并未带来显著的质量提升。与直觉相反,计算代价似乎更好地花在更密集的路径优化上,而非更智能和更频繁的车队重分配上。
引用
@article{arxiv.1803.01930,
title = {A Hybrid Heuristic for a Broad Class of Vehicle Routing Problems with Heterogeneous Fleet},
author = {Puca Huachi Vaz Penna and Anand Subramanian and Luiz Satoru Ochi and Thibaut Vidal and Christian Prins},
journal= {arXiv preprint arXiv:1803.01930},
year = {2018}
}