×

随机需求车辆路径问题的混合元启发式算法。 (英语) Zbl 1099.90505号

摘要:本文分析了元启发式算法在随机需求车辆路径问题(VRPSD)中的性能。众所周知,该问题有一个计算要求很高的目标函数,在考虑大型实例时,该目标函数可能变得不可行。因此,目标函数的快速近似很有吸引力,因为它们可以扩展搜索空间。我们通过两个目标函数(精确解质量的替代度量)来探索元启发式的混合。对于某些元启发式算法特别有用的是从旅行推销员问题(TSP)衍生出的目标函数,这是一个密切相关的问题。根据这一观察结果,我们分析了元启发式的可能扩展,进一步采用混合解方法VRPSD-TSP,并报告了不同类型实例的实验结果。我们表明,对于测试的实例,迭代局部搜索和进化算法的两个混合版本获得了比最新算法更好的解决方案。

MSC公司:

90B06型 运输、物流和供应链管理
68T20型 人工智能背景下的问题解决(启发式、搜索策略等)
90C27型 组合优化
90C59 数学规划中的近似方法和启发式
90立方厘米 随机规划
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Baeck,T.、Fogel,D.和Michalewicz Z.(编辑):《进化计算1:基本算法和算子》,英国布里斯托尔物理研究所,2000年·Zbl 0973.68197号
[2] Bertsimas,D.J.:具有随机需求的车辆路径问题,Oper。第40(3)号决议(1992年),574-585·Zbl 0764.90030号 ·doi:10.1287/opre.40.3.574
[3] Bertsimas,D.J.、Chervi,P.和Peterson,M.:随机车辆路径问题的计算方法,Trans。科学。29(4) (1995), 342–352. ·Zbl 0853.90037号 ·doi:10.1287/trsc.29.4.342
[4] Bertsimas,D.J.和Simchi-Levi,D.:新一代车辆路线研究:稳健算法,解决不确定性,Oper。第44(2)号决议(1996年),216–304·Zbl 0855.90053号 ·doi:10.1287/opre.44.286
[5] Bianchi,L.、Birattari,M.、Manfrin,M.和Mastrolilli,M.,Paquete,L.,Rossi-Doria,O.以及Schiavinotto,T.:随机需求车辆路径问题的研究。技术报告IDSIA-07-04,IDSIA,2004年3月·Zbl 1099.90505号
[6] Birattari,M.:关于对一类实例的元启发式的预期性能的估计。有多少实例,有多少次运行?技术报告TR/IRIDIA/2004-01.2,IRIDIA,比利时布鲁塞尔自由大学,2004年。
[7] Birattari,M.:《从机器学习的角度看调整元启发式的问题》,博士论文,布鲁塞尔自由大学,比利时布鲁塞尔,2004年·Zbl 1101.68748号
[8] Conover,W.J.:《实用非参数统计》,John Wiley&Sons,纽约,1999年。
[9] Dean,A.和Voss,D.:《实验设计与分析》,施普林格,柏林-海德堡,纽约,1999年·Zbl 0910.62066号
[10] Dorigo,M.和Stützle,T.:《蚁群优化》,麻省理工学院,2004年。
[11] Gendreau,M.、Laporte,G.和Séguin,R.:具有随机需求和客户的车辆路径问题的精确算法,Trans。科学。29(2) (1995), 143–155. ·Zbl 0860.90051号 ·doi:10.1287/trsc.29.2.143
[12] Gendreau,M.、Laporte,G.和Séguin,R.:《随机车辆路径》,欧洲期刊Oper。第88号决议(1996年),3-12·Zbl 0913.90094号 ·doi:10.1016/0377-2217(95)00050-X
[13] Gendreau,M.、Laporte,G.和Séguin,R.:随机需求和客户车辆路径问题的禁忌搜索启发式算法,Oper。第44(3)号决议(1996年)·Zbl 0864.90043号
[14] Glover,F.:禁忌搜索——第一部分,ORSA J.Compute。1(3) (1989), 190–206. ·Zbl 0753.90054号
[15] Gutjahr,W.:S-ACO:《基于蚂蚁的不确定性组合优化方法》,载于《ANTS 2004–蚁群优化与群智能学报》,计算机科学讲义第3172卷,Springer,Berlin Heidelberg New York,2004年,第238–249页。
[16] Haimovitch,M.和Rinnooy Kan,A.:容量受限路由问题的边界和启发式,数学。操作。第10号决议(1985年),527-542·Zbl 0582.90030号 ·doi:10.1287/门10.4.527
[17] Jaillet,P.:《概率旅行推销员问题》,麻省理工学院博士论文,马萨诸塞州剑桥,1985年。
[18] Jaillet,P.:旅行推销员问题的先验解,其中访问了随机的客户子集,Oper。第36(6)号决议(1988年),929–936·兹比尔0665.90096 ·doi:10.1287/opre.36.6.929
[19] Jaillet,P.和Odoni,A.:摘自B.L.Golden和A.A.Assad(编辑),《车辆路径:方法和研究》,概率车辆路径问题一章,荷兰阿姆斯特丹爱思唯尔出版社,1988年·Zbl 0653.90032号
[20] Johnson,D.S.和McGeoch,L.A.:旅行推销员问题:局部优化的案例研究,见E.H.L.Aarts和J.K.Lenstra(eds.),组合优化中的局部搜索,美国纽约威利出版社,1997年,第215–310页·Zbl 0947.90612号
[21] Johnson,D.S.和McGeoch,L.A.:STSP启发式的实验分析,载于G.Gutin和A.Punnen(编辑),《旅行推销员问题及其变体》,荷兰多德雷赫特Kluwer出版社,2002年,第369-443页·Zbl 1113.90356号
[22] Kenyon,A.和Morton,D.P.:随机位置和路由问题调查,Cent。欧洲药典。第9号决议(2002年),277–328·Zbl 1036.90044号
[23] Kirkpatrick,S.、Gelatt,C.D.和Vecchi,M.P.:《模拟退火优化》,《科学》(4598)(1983年),第671-680页·Zbl 1225.90162号
[24] Laporte,G.和Louveaux,F.:具有完全追索权的随机整数规划的整数l形方法,Oper。Res.Lett公司。33 (1993), 133–142. ·Zbl 0793.90043号 ·doi:10.1016/0167-6377(93)90002-X
[25] Lourenço,H.R.、Martin,o.和Stützle,T.:收录于F.Glover和G.Kochenberger(编辑),《元启发式手册》,运筹学与管理国际丛书第57卷,“迭代本地搜索”一章,美国波士顿Kluwer出版社,2002年,第321-353页。
[26] Or,I.:《旅行推销员型组合问题及其与血库物流的关系》,博士论文,西北大学工业工程与管理科学系,伊利诺伊州埃文斯顿,1976年。
[27] Secomandi,N.:比较随机需求车辆路径问题的神经动力学编程算法,计算。操作。第27(5)号决议(2000),1171-1200·Zbl 0962.90010号 ·doi:10.1016/S0305-0548(99)00146-X
[28] Secomandi,N.:随机需求车辆路径问题的推出策略,Oper。第49(5)号决议(2001),796–802·Zbl 1163.90373号 ·doi:10.1287/opre.49.5.796.10608
[29] Sheskin,D.J.:《参数和非参数统计程序手册》,第2版。,查普曼和霍尔,2000年·Zbl 0955.62003号
[30] Stützle,T.和Hoos,H.:摘自P.Hansen和C.Ribeiro(eds.),《关于元启发式的论文和调查》,《TSP迭代局部搜索的运行时行为分析》一章,Kluwer学术出版社,美国波士顿,2002年,第589-612页·邮编:1049.90080
[31] Teodorović,D.和Pavković,G.:随机需求情况下车辆路径问题的模拟退火技术方法,Trans。计划。《技术16》(1992),261–273·doi:10.1080/03081069208717490
[32] Whitley,D.、Starkweather,T.和Shaner,D.:旅行推销员和序列调度:使用遗传边缘重组的质量解决方案,见L.Davis(编辑),《遗传算法手册》,Van Nostrand Reinhold,美国纽约,1991年,第350–372页。
[33] Yang,W.,Mathur,K.和Ballou,R.H.:带进货的随机车辆路径问题,Trans。科学。34(1) (2000), 99–112. ·Zbl 1014.90020号 ·doi:10.1287/trsc.34.1.99.12278
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。