枢纽选址路由问题的神经 Benders 分解
最优化与控制
2023-09-06 v1
摘要
在本研究中，我们提出了一个旨在增强 Benders 分解方法的模仿学习框架。我们的主要重点是解决具有多个对偶最优解的子问题中的退化问题，其中 Magnanti-Wong 技术用于识别非支配解。我们开发了两种策略。在第一种策略中，我们复现 Magnanti-Wong 方法并从每次迭代中学习。在第二种策略中，我们的目标是确定一条加快达到最终子问题对偶解的轨迹。我们通过在带有流子问题的网络设计问题上进行大量计算实验来训练和评估这两种策略，证实此类学习策略的存在显著提高了分解过程的效率。
引用
@article{arxiv.2309.01022,
title = {A Neural Benders Decomposition for the Hub Location Routing Problem},
author = {Rahimeh Neamatian Monemi and Shahin Gelareh},
journal= {arXiv preprint arXiv:2309.01022},
year = {2023}
}