AILS-II：面向大规模带容量约束车辆路径问题的自适应迭代局部搜索启发式算法
最优化与控制
2025-07-22 v2
摘要
近期一项关于经典带容量约束车辆路径问题（CVRP）的研究引入了广泛使用的迭代局部搜索（ILS）范式的自适应版本，并与路径重连策略（PR）相混合。该求解方法称为AILS-PR，在基准实例上优于现有的CVRP元启发式算法。然而，在CVRP大规模实例上的测试表明PR过于缓慢，使AILS-PR在此情形下优势较弱。为克服该挑战，本文提出一种在其搜索过程中具有两阶段的自适应迭代局部搜索（AILS）。两阶段均包含ILS的扰动与局部搜索步骤。它们之间的主要区别在于：第一阶段的参考解由接受准则找到，而第二阶段的解选自搜索过程中发现的最佳解池，即所谓的精英集。该算法称为AILS-II，在较小实例上极具竞争力，相对于文献中其他方法在到已知最优解的平均间隙方面更优。此外，AILS-II在多达30,000个顶点的大规模实例上持续优于现有最优方法。
引用
@article{arxiv.2205.12082,
title = {AILS-II: An Adaptive Iterated Local Search Heuristic for the Large-scale Capacitated Vehicle Routing Problem},
author = {Vinícius R. Máximo and Jean-François Cordeau and Mariá C. V. Nascimento},
journal= {arXiv preprint arXiv:2205.12082},
year = {2025}
}