针对具有随机顾客与揭示时间的静态随机VRPTW的渐进聚焦搜索
人工智能
2019-02-12 v1
摘要
静态随机VRP旨在通过考虑数据的不确定性来建模现实生活中的VRP。特别地，SS-VRPTW-CR考虑带时间窗的随机顾客，且对其揭示时间不做任何假设，揭示时间同样是随机的。基于顾客请求概率，我们寻找由预防性车辆路径组成的先验解，以最小化日终未满足顾客请求数的期望值。一条路径描述了一系列策略性车辆调度，由此可快速到达附近请求。不同于在线重优化，所谓的 recourse 策略定义了请求出现时的处理方式。本文中，我们描述了一种用于SS-VRPTW-CR的新 recourse 策略，通过跳过无用部分来改进车辆路径。我们展示了如何以伪多项式时间计算该 recourse 策略下先验解的期望代价。我们引入了一种称为渐进聚焦搜索（PFS）的新元启发式，其可与任何基于局部搜索的算法结合以求解静态随机优化问题。PFS利用近似因子加速搜索：从初始粗略简化问题出发，搜索渐进聚焦于实际问题描述。我们在一个新的、基于真实世界的公开基准上评估了我们的贡献。
引用
@article{arxiv.1902.03930,
title = {Progressive Focus Search for the Static and Stochastic VRPTW with both Random Customers and Reveal Times},
author = {Michael Saint-Guillain and Christine Solnon and Yves Deville},
journal= {arXiv preprint arXiv:1902.03930},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1708.03151