基于神经网络的车辆路径问题二维装载与后进先出约束列生成方法
人工智能
2024-06-19 v1
摘要
车辆路径问题中的二维装载约束 (2L-CVRP) 和后进先出 (LIFO) 规则提出了重大的实际和算法挑战。虽然已提出诸多启发式方法来解决其复杂性——源于两个 NP-hard 问题：车辆路径问题 (VRP) 和二维二项装箱问题 (2D-BPP)——但较少关注发展精确算法。为填补这一空白，本文提出一种精确算法，将先进的机器学习技术，具体为注意力和递归机制的新型组合，集成进算法中。该集成在各种问题实例中加速了最先进的精确算法中位数为 29.79%。此外，所提出的算法成功解决了标准测试库中的一个开放实例，展示了机器学习模型带来的显著改进。代码已公开于 https://github.com/xyfffff/NCG-for-2L-CVRP。
引用
@article{arxiv.2406.12454,
title = {A Neural Column Generation Approach to the Vehicle Routing Problem with Two-Dimensional Loading and Last-In-First-Out Constraints},
author = {Yifan Xia and Xiangyi Zhang},
journal= {arXiv preprint arXiv:2406.12454},
year = {2024}
}
备注
Accepted by International Joint Conference on Artificial Intelligence (IJCAI 2024)