CVRP 的混合遗传搜索：开源实现与 SWAP* 邻域
神经与进化计算
2022-12-05 v2
摘要
车辆路径问题是因其实用重要性与方法学意义而被广泛研究的组合优化课题之一。然而，尽管方法学进展显著，许多近期研究受限于对简单高效开源求解方法的有限获取。鉴于当前算法的复杂性，重新实现正成为一项困难且耗时的工程，需极度关注细节方能真正成功。在此背景下，我们利用这篇短文的契机介绍一种简单的——开源的——专用于带容量约束车辆路径问题（CVRP）的混合遗传搜索（HGS）实现。这一最先进算法采用与 Vidal 等人（2012）相同的一般方法论，但也包含了过去十年研究中获得的额外方法学改进与经验。特别地，它包含了一个称为 SWAP* 的附加邻域，其内容为在不同路径间交换两名顾客而不进行原位插入。如我们的研究所强调，对 SWAP* 移动的高效探索显著贡献于局部搜索的性能。此外，正如在针对 Uchoa 等人（2017）经典算例与其他近期方法的实验比较中所观察到的，HGS 在解质量、收敛速度与概念简洁性方面仍是一项领先的元启发式算法。
引用
@article{arxiv.2012.10384,
title = {Hybrid Genetic Search for the CVRP: Open-Source Implementation and SWAP* Neighborhood},
author = {Thibaut Vidal},
journal= {arXiv preprint arXiv:2012.10384},
year = {2022}
}