PILS：通过模式挖掘与注入探索高阶邻域
人工智能
2019-12-25 v1
摘要
我们提出了模式注入局部搜索（PILS），一种利用模式挖掘来探索高阶局部搜索邻域的优化策略，并展示了其在车辆路径问题上的应用。PILS 通过存储来自精英解的有限数量的频繁模式来运作。在局部搜索过程中，每种模式用于定义一次移动，其中 1) 不兼容的边被断开，2) 由模式定义的边被重新连接，3) 剩余的解片段被最优地重新连接。仅当解得到改进时，此类移动才被接受。正如我们在实验中看到的，该策略产生了一种新的局部搜索范式，它以可控的计算时间补充并增强了经典的搜索方法。我们证明 PILS 能够识别有用的高阶移动（例如 9-opt 和 10-opt），这些移动无法通过枚举找到，并且它显著提升了最先进的基于种群和以邻域为中心的元启发式的性能。
引用
@article{arxiv.1912.11462,
title = {PILS: Exploring high-order neighborhoods by pattern mining and injection},
author = {Florian Arnold and Ítalo Santana and Kenneth Sörensen and Thibaut Vidal},
journal= {arXiv preprint arXiv:1912.11462},
year = {2019}
}