多属性车辆路径问题的自适应混合遗传与大邻域搜索方法
最优化与控制
2024-03-01 v1
摘要
自适应大邻域搜索(ALNS)以其动态利用破坏和修复算子而闻名，旨在发现高质量解，因此作为处理复杂组合优化问题(COPs)的元启发式工具被广泛接受。然而，当对同一COP的不同实例应用统一参数和接受准则时，会出现性能不一致的问题。为解决这一固有局限性，我们提出自适应混合遗传搜索与大邻域搜索(AHGSLNS)，这是一种新颖的方法，旨在使ALNS参数和接受准则适应不同COP实例的具体特点。我们的评估聚焦于多属性车辆路径问题，这是实际半自动仓储与检索机器人系统中常见的经典COP。实证结果表明，AHGSLNS不仅能在不同参数下与ALNS有效竞争，而且在收敛性和稳定性方面表现出更优性能。为践行研究透明度的承诺，所提方法的实现将公开发布。
引用
@article{arxiv.2402.18903,
title = {An Adaptive Hybrid Genetic and Large Neighborhood Search Approach for Multi-Attribute Vehicle Routing Problems},
author = {Weiting Liu and Yunqi Luo and Yugang Yu},
journal= {arXiv preprint arXiv:2402.18903},
year = {2024}
}