带预测的在线时间窗旅行商问题

在时间窗旅行商问题（TW-TSP）中，给定网络上不同位置的请求；每个请求带有一个奖励和一个时间区间；目标是找到一条巡回路线，在对应时间窗内访问尽可能多的奖励。对于该问题的在线版本，每个请求在其时间窗开始时才被揭示，此时无法获得有限的竞争比。我们考虑该问题的一个版本，其中算法获得关于在线请求出现位置和时间的预测，而对这类侧信息的质量一无所知。由于硬时间窗约束，车辆路径问题如TW-TSP可能对输入中的错误或变化非常敏感，且目前尚不清楚不完美的预测是否可用于获得有限竞争比。我们展示了可通过在解中显式构建松弛量来实现良好性能。我们的主要结果是一个在线算法，其竞争比关于底层网络直径呈对数级，在与所提供预测质量相关的因子范围内匹配最佳离线算法的性能。竞争比随质量平滑退化，且我们证明该依赖关系在常数因子内是紧的。