双层后接受hill爬山法中的实例感知参数配置：应用于电动容量限制车辆路径问题
人工智能
2026-05-04 v1 最优化与控制
摘要
组合优化中的算法性能高度依赖参数设置，而单一的全局调谐配置往往无法发挥实例异构性的优势。这一局限在电动容量限制车辆路径问题中尤为突出，因为该问题的实例在结构、需求模式和能源约束方面存在差异。本文研究双层后接受hill爬山法的实例感知参数配置，这是一种针对电动容量限制车辆路径问题的最先进元 heuristic。采用离线调谐程序获取实例特定的参数标签，然后通过回归模型将这些标签映射到实例特征，以实现对未见实例的参数预测。实验结果表明，在IEEE WCCI 2020 基准及其扩展测试集中，所提方法相对于全局调谐配置实现了平均目标值降低 ，这对应于数百万美元运输业务的显著成本节约。
引用
@article{arxiv.2605.00572,
title = {Instance-Aware Parameter Configuration in Bilevel Late Acceptance Hill Climbing for the Electric Capacitated Vehicle Routing Problem},
author = {Yinghao Qin and Xinwei Wang and Mosab Bazargani and Jun Chen},
journal= {arXiv preprint arXiv:2605.00572},
year = {2026}
}
备注
Accepted at IEEE Congress on Evolutionary Computation (CEC), 2026