具有随机客户与揭示时间的静态与随机 VRPTW：算法与补偿策略
人工智能
2017-08-11 v1 离散数学
摘要
与其确定性对应问题不同，静态与随机车辆路径问题（SS-VRP）旨在通过考虑数据的不确定性来建模和求解现实生活中的运营问题。我们考虑 Saint-Guillain 等（2017）引入的 SS-VRPTW-CR。与 Bertsimas（1992）引入的 SS-VRP 一样，我们为车队搜索最优的第一阶段路径以处理一组随机客户需求，即需求是不确定的，我们仅知道其概率。除了容量约束外，客户需求还受时间窗约束。与所有 SS-VRP 变体不同，SS-VRPTW-CR 不对随机需求揭示的时间做任何假设，即揭示时间也是随机的。为处理这一新问题，我们引入了等待位置：每辆车被分配一系列等待位置，从这些位置它可以服务某些相关需求，目标是最小化无法按时满足的需求的期望数量。在本文中，我们为 SS-VRPTW-CR 提出了两种新的补偿策略，以及用于高效计算其期望值的闭式表达式：第一种策略允许我们考虑车辆容量；第二种策略允许我们通过避免一些无用的行程来优化路径。我们提出了两种搜索具有最优期望成本的路径的算法：第一种是基于随机整数规划的扩展 branch-and-cut 算法，第二种是基于局部搜索的启发式方法。我们还引入了一个基于来自里昂市真实数据的 SS-VRPTW-CR 新公开基准。我们在此基准上评估了这两种算法，并实证证明了 SS-VRPTW-CR 预期行动相对于基本“等待并服务”策略的优越性。
引用
@article{arxiv.1708.03151,
title = {The Static and Stochastic VRPTW with both random Customers and Reveal Times: algorithms and recourse strategies},
author = {Michael Saint-Guillain and Christine Solnon and Yves Deville},
journal= {arXiv preprint arXiv:1708.03151},
year = {2017}
}
备注
Preprint version submitted to Transportation Research Part E