随机需求车辆路径问题及部分重优化
最优化与控制
2022-03-02 v1
摘要
我们考虑随机需求车辆路径问题(VRPSD),在该问题中,客户需求在路径规划阶段仅知其分布,并在路线执行到达每位客户时揭示。关于VRPSD的一个长期开放问题涉及在路线执行期间允许对计划客户访问进行部分重排序所带来的益处。鉴于该问题的实际重要性以及最优补货下VRPSD日益增长的研究兴趣,我们在一种称为切换策略的追索策略下研究VRPSD。切换策略是一种典型的重优化策略,仅允许连续的一对客户被重排序。我们将该策略与最优预防性补货联合考虑,并引入一种分支-割-定价算法来计算最优先验路径规划。该算法的定价例程中,价值函数表示在所有可能状态与重排序决策下沿计划路线的期望未来成本。为确保定价可处理性,我们采用一种结合基本定价与不同复杂度完成界限的策略,并在不依赖支配规则的情况下求解定价问题。我们的数值实验证明了该算法在求解多达50个客户实例上的有效性。值得注意的是,它们也让我们对重优化的价值获得新的见解。当计划路线来自基于数据确定性近似构建的算法时(鉴于寻找最优VRPSD解的困难,这是一个重要场景),切换策略相比最优补货实现了显著的成本节约。当比较两种追索策略下获得的最优先验VRPSD解时,益处较小。看来,在条件允许时,进一步的成本节约可能需要对客户访问进行跨车辆的联合重排序与重分配。
引用
@article{arxiv.2201.08866,
title = {Vehicle Routing with Stochastic Demands and Partial Reoptimization},
author = {Alexandre M. Florio and Dominique Feillet and Marcus Poggi and Thibaut Vidal},
journal= {arXiv preprint arXiv:2201.08866},
year = {2022}
}
备注
28 pages