面向圆形装箱问题的自适应大邻域搜索
人工智能
2020-01-23 v1 分布式、并行与集群计算
摘要
我们研究了一种称为圆形装箱问题（CBPP）的装箱问题新变体，其目标是在多个正方形箱子中密集地装入圆形物品，以最小化所用箱子的数量。为此，我们提出了一种自适应大邻域搜索（ALNS）算法，该算法使用我们的带占角动作的贪心算法（GACOA）来构造初始布局。贪心解通常陷入局部最优陷阱，而 ALNS 通过依赖于随机退火进度的多种邻域搜索来避免陷入局部极小值陷阱。具体而言，ALNS 通过对当前布局进行扰动，在搜索过程中迭代地重新分配一些圆形并有一定概率接受新布局，从而跳出局部最优。接受概率使用模拟退火自适应调整，以微调搜索方向从而到达全局最优。我们在异构实例上将计算结果与 GACOA 进行基准对比。ALNS 在改进目标函数方面始终优于 GACOA，并且在若干情况下，所用箱子数量有显著减少。
引用
@article{arxiv.2001.07709,
title = {Adaptive Large Neighborhood Search for Circle Bin Packing Problem},
author = {Kun He and Kevin Tole and Fei Ni and Yong Yuan and Linyun Liao},
journal= {arXiv preprint arXiv:2001.07709},
year = {2020}
}
备注
13 pages, 6 figures, 6 tables