基于二值 K-means 聚类按车辆约束划分紧凑子区域以优化服务区规划
最优化与控制
2020-10-22 v1 机器学习
摘要
VRP（车辆路径问题）是一个 NP 难问题，已引起大量研究兴趣。在车辆载重能力（如体积和重量）有限但需向多个地点配送物品的场景中，最初在创建路径前，每辆车需要一组不超过其最大容量的配送点。驾驶员往往只向特定区域配送。基于聚类的方法是为生成更紧凑路径提供基础的一种途径。本文提出一种生成此类不超过车辆最大容量聚类/分组的新算法。我们的基本假设是每辆车从 depot 出发，将物品送达客户后返回 depot，且车辆是同质的。该方法能够在每个聚类中压缩子区域。计算结果表明了我们新流程的有效性，其能够协助用户更高效地规划服务区和车辆路径。
引用
@article{arxiv.2010.10934,
title = {Optimizing Planning Service Territories by Dividing Into Compact Several Sub-areas Using Binary K-means Clustering According Vehicle Constraints},
author = {Muhammad Wildan Abdul Hakim and Syarifah Rosita Dewi and Yurio Windiatmoko and Umar Abdul Aziz},
journal= {arXiv preprint arXiv:2010.10934},
year = {2020}
}
备注
7 pages, 3 figures, preliminary research for implementing VRP