关于迭代求解带变化时间窗约束旅行商问题的探讨
神经与进化计算
2026-04-17 v1
摘要
在许多实际场景中，需要求解的问题实例通常非常相似，因此可以利用先前优化运行中的知识。我们针对带时间窗的旅行商问题（TSPTW）对此进行了探索，该问题常出现于行程时间矩阵固定但相关任务的时间窗约束发生变化的场景中。然而，现有的 TSPTW 研究尚未系统地比较独立求解此类任务序列与从先前已求解任务中进行顺序迁移的差异。我们使用一个多任务基准测试来填补这一空白，在该基准中，每个基础实例在两种环境下被扩展为五个相关任务：部分时间窗扩展与交换加法时间重分配。我们使用流行的局部搜索方法 LNS、VNS 和 LKH-3，在共同的惩罚分数目标下，将标准的从零开始协议与一种迭代协议进行了比较，后者利用前一个任务的最佳路径来初始化当前任务。实验结果表明，迭代协议在渐进松弛设定下始终表现更优，在交换加法变化下总体上具有竞争力，且在更困难的实例上改进幅度更大。
引用
@article{arxiv.2604.14745,
title = {On the Use of Iterative Problem Solving for the Traveling Salesperson Problem with Changing Time Window Constraints},
author = {Hy Nguyen and Thanh Nguyen Pham and Helen Yuliana Angmalisang and Liam Wigney and Frank Neumann},
journal= {arXiv preprint arXiv:2604.14745},
year = {2026}
}