通过松紧连续性分支定价求解移动目标车辆路径问题的 optimal solution

移动目标车辆路径问题（MT-VRP）寻求数个 agent 的轨迹，以拦截一组移动目标，受速度、时间窗和容量约束。我们引入一种精确算法：基于松紧连续性的分支定价法（Branch-and-Price with Relaxed Continuity, BPRC），用于 MT-VRP。分支定价方法中 MT-VRP 的关键挑战是涉及移动目标和时变旅行成本的定价子问题。我们的关键贡献是一种新的标记算法，通过一种针对移动目标问题的新颖支配准则来求解此子问题。最多 25 个目标的实例数值结果表明，我们的算法比基于前期工作的基准算法快了一个数量级以上，在 agent 容量有限的情景中表现尤为突出。