SVRPBench：面向随机车辆路径问题的现实基准
人工智能
2025-05-30 v2 计算工程、金融与科学
机器学习
摘要
不确定性下的鲁棒路由对现实世界的物流至关重要，然而大多数基准测试假设的是静态的、理想化的设置。我们提出了 SVRPBench，这是首个在城市规模上捕捉车辆路径问题中高保真随机动态的开放基准。它包含超过 500 个实例，最多有 1000 个客户，模拟了现实的配送条件：时间依赖的拥堵、对数正态延迟、概率性事故以及基于经验数据的住宅和商业客户时间窗。我们的流程生成了多样化、约束丰富的场景，包括多车场和多车辆设置。基准测试表明，像 POMO 和 AM 这样的最先进 RL 求解器在分布偏移下性能下降超过 20%，而经典和元启发式方法保持鲁棒。为了实现可复现的研究，我们发布了数据集和评估套件。SVRPBench 挑战社区设计能够超越合成假设并适应现实世界不确定性的求解器。
引用
@article{arxiv.2505.21887,
title = {SVRPBench: A Realistic Benchmark for Stochastic Vehicle Routing Problem},
author = {Ahmed Heakl and Yahia Salaheldin Shaaban and Martin Takac and Salem Lahlou and Zangir Iklassov},
journal= {arXiv preprint arXiv:2505.21887},
year = {2025}
}
备注
18 pages, 14 figures, 11 tables