一种用于舍入容量不等式的神经分离算法
人工智能
2023-10-31 v2 最优化与控制
摘要
割平面法是成功的分支切割和分支定价切割算法的关键技术，可为各类车辆路径问题(VRPs)求得精确最优解。在各种割中，舍入容量不等式(RCIs)是最基础的。为生成RCIs，我们需要求解分离问题，其精确解的获取耗时较长；因此，启发式方法被广泛使用。我们设计了一种基于学习的带图粗化的分离启发式算法，利用图神经网络(GNN)学习精确分离问题的解，并以50至100个客户的小规模算例进行训练。我们将该分离算法嵌入割平面法中，以求解多达1000个客户的能力约束VRP(CVRP)的下界。我们将本方法与CVRPSEP(一种广泛用于求解VRPs各类割的流行分离软件包)的性能进行比较。计算结果表明，对于400个及以上客户的大规模问题，本方法求得的下界优于CVRPSEP，而CVRPSEP在少于400个客户的问题上表现出强劲竞争力。
引用
@article{arxiv.2306.17283,
title = {A Neural Separation Algorithm for the Rounded Capacity Inequalities},
author = {Hyeonah Kim and Jinkyoo Park and Changhyun Kwon},
journal= {arXiv preprint arXiv:2306.17283},
year = {2023}
}