动态车辆路径问题：一种蒙特卡洛方法
神经与进化计算
2020-06-18 v1 人工智能
摘要
在本工作中我们求解动态车辆路径问题（DVRP）。DVRP 是车辆路径问题的一种变体，其中客户请求（城市）的数量与位置在工作日开始时可能未知。此外，所有请求必须在一个工作日内由一支容量有限的车辆车队完成服务。我们提出了一种蒙特卡洛方法（MCTree），其直接应对 DVRP 中请求到达的动态特性。该方法还与我们先前提出的两阶段多群粒子群优化（2MPSO）算法相混合（MCTree+PSO）。我们的方法基于两个假设：第一，我们知道请求可能出现区域的包围矩形；第二，初始请求的规模与出现频率对未知客户请求具有代表性。为求解 DVRP，我们将工作日划分为若干时间片，在各时间片内求解一个静态问题。在我们的蒙特卡洛方法中，我们在包围矩形上以均匀空间分布随机生成未知客户请求，并以从已知请求规模中均匀采样的方式生成请求规模。解方案通过应用聚类算法与路径构造算法构建。MCTree 方法在 Kilby 等人提出的成熟基准集上进行了测试，并与我们先前的 2MPSO 算法及其他文献结果进行比较。所提出的 MCTree 方法比纯启发式算法取得了更好的时间-质量权衡。此外，对于较小的优化时间限制，混合 MCTree+PSO 方法比 2MPSO 取得了更好的时间-质量权衡，使该混合方法成为处理现实规模货物配送问题的良好候选。
引用
@article{arxiv.2006.09996,
title = {Dynamic Vehicle Routing Problem: A Monte Carlo approach},
author = {Michał Okulewicz and Jacek Mańdziuk},
journal= {arXiv preprint arXiv:2006.09996},
year = {2020}
}