用于简单工厂选址问题的条件马尔可夫链搜索在十二个 Körkel-Ghosh 实例上改进了上界
数据结构与算法
2017-11-20 v1 人工智能
摘要
我们研究简单工厂选址问题（也称为无容量限制设施选址问题）的一组困难基准实例。Fischetti 等人近期尝试处理 Körkel-Ghosh 实例，得到了7个新最优解和22个改进的上界。我们使用启发式的自动生成来获得一个用于简单工厂选址问题的新算法。在我们的实验中，我们的新算法匹配了所有先前已知最优解和最佳已知解，并进一步改进了12个上界，且相比先前工作所用时间预算更短。我们的算法设计过程分为两个阶段：(i) 开发算法组件，如局部搜索过程和变异算子；(ii) 由可用组件组合元启发式。阶段(i)需要人类专业知识，通常可通过实现文献中已知的几个简单领域特定例程来完成。阶段(ii)通过采用条件马尔可夫链搜索（CMCS）框架完全自动化。在 CMCS 中，元启发式由一组称为配置的参数灵活定义。于是，由算法组件组合元启发式的过程被简化为寻求性能最佳的 CMCS 配置的优化问题。我们讨论了配置比较的问题，并提出了一种从大量配置中选取最佳性能配置的新高效技术。为采用该方法，我们将原始 CMCS 限制为一个简单确定性情形，从而留下有限且可控数量的有意义配置。
引用
@article{arxiv.1711.06347,
title = {Conditional Markov Chain Search for the Simple Plant Location Problem improves upper bounds on twelve K\"orkel-Ghosh instances},
author = {Daniel Karapetyan and Boris Goldengorin},
journal= {arXiv preprint arXiv:1711.06347},
year = {2017}
}