×
巴勃罗·加里多;里夫，玛丽亚·克里斯蒂娜

DVRP：进化超神经论者解决的一个困难的动态组合优化问题。 （英语） Zbl 1198.90054号

J.启发式 16，第6期，795-834（2010）.
摘要：在本文中，我们提出并评估了一种基于进化的超神经方法，称为EH-DVRP，用于解决动态车辆路径问题的困难实例。超神经主义是一种高级算法，它在通用框架中生成或选择一组低级启发式来解决手头的问题。在我们的协作框架中，我们包含了三种不同类型的低级启发式：构造启发式、扰动启发式和噪声启发式。基本上，超神经主义者管理并进化这些低级启发式的复杂组合序列，这些组合序列依次应用于构建和改进部分解决方案，即部分路线。在提出一些设计考虑时，我们考虑了低级启发式之间适当合作和通信的允许，因此，找到最有希望的序列来处理（动态）问题的部分状态。我们的方法已经使用Kilby的基准进行了评估，该基准包括大量具有不同拓扑和动态度的实例，我们已经将其与文献中提出的一些著名方法进行了比较。实验结果表明，由于超神经系统的动态特性，我们提出的方法能够比低级启发式更自然地适应动态场景。此外，与其他基于（元）启发式的方法相比，超神经方法可以获得高质量的解决方案。因此，这一贡献的发现证明了在这种不断变化的环境中使用超神经技术的合理性，我们相信可以在相关的动力学问题中成功地提出进一步的贡献。

引用于三文件

MSC公司：

90B06型 运输、物流和供应链管理
90C27型 组合优化
90 C59 数学规划中的近似方法和启发式
68T20型 人工智能背景下的问题解决（启发式、搜索策略等）

关键词：

超神经科学;动态车辆路径问题;进化算法;启发式搜索

软件：

虚拟现实程序;超启发式;MACS-VRPTW公司;学习++;CVRPSP公司
PDF格式BibTeX公司 XML格式引用
\textit{P.Garrido}和\textit{M.C.Riff}，J.启发式16，第6期，795--834（2010；Zbl 1198.90054）
全文： 内政部

参考文献：

[1] Altinkemer，K.，Gavish，B.：基于并行节省的启发式交付问题。操作。第39（3）号决议，456–469（1991）·Zbl 0744.90026号 ·doi:10.1287/opre.39.3.456
[2] Alvarenga，G.，de Abreu Silva，R.，Mateus，G.：带时间窗的动态车辆路径问题的混合方法。摘自：第五届混合智能系统国际会议，HIS’05，第61-67页。IEEE计算。Soc.，阿拉米托斯（2005）
[3] Babin，G.，Deneault，S.，Laporte，G.：对对称旅行推销员问题的or-opt启发式的改进。J.运营商。Res.Soc.58（3），402-407（2007）·兹伯利1125.90418 ·doi:10.1057/palgrave.jors.2602160
[4] Bader-El-Den，M.，Poli，R.：使用GP超神经框架生成SAT本地搜索启发式。摘自：第八届人工进化国际会议，Artificielle，EA 2007。计算机科学课堂讲稿，第4926卷，第37-49页。柏林施普林格出版社（2008）
[5] Balinsky，M.，Quandt，R.：关于交付问题的整数规划。操作。第12（2）号决议，300-304（1964）·doi:10.1287/opre.12.300
[6] Beasley，J.：路线优先——车辆路线的集群第二种方法。欧米茄11（4），403–408（1983）·doi:10.1016/0305-0483（83）90033-6
[7] Berger，J.，Barkaoui，M.：容量受限车辆路径问题的新混合遗传算法。J.运营商。Res.Soc.54（12），1254–1262（2003）·Zbl 1181.90032号 ·doi:10.1057/palgrave.jors.2601635
[8] Bertsimas，D.，van Ryzin，G.：欧几里德平面中的随机动态车辆路径问题。操作。第39（4）号决议，601-615（1991）·Zbl 0736.90027号 ·doi:10.1287/opre.39.4.601
[9] Bertsimas，D.，van Ryzin，G.：具有多个容量车辆的欧氏平面中的随机和动态车辆路径。操作。第41（1）号决议，60-76（1993）·Zbl 0776.90018号 ·doi:10.1287/opre.41.160
[10] Bianchi，L.：动态车辆路线注释-最新技术。技术报告IDSIA-05-01，IDSIA，瑞士卢加诺（2000）
[11] Bosman，P.，La-Poutré，H.：通过进化算法中的显式负载预测实现计算智能在线动态车辆路径。摘自：第九届自然并行问题解决国际会议，PPSN IX.计算机科学讲稿，第4193卷，第312-321页。柏林施普林格出版社（2006）
[12] Bramel，J.，Simchi-Levi，D.：用于一般路由问题的基于位置的启发式算法。操作。第43（4）号决议，649–660（1995）·Zbl 0857.90030号 ·doi:10.1287/opre.43.4.649
[13] Bullnheimer，B.，Hartl，R.，Strauss，C.：车辆路径问题的改进蚂蚁系统算法。安·Oper。第89、319–328号决议（1999年）·Zbl 0937.90125号 ·doi:10.1023/A:1018940026670
[14] Burke，E.，Kendall，G.，Newall，J.，Hart，E.，Ross，P.，Schulenburg，S.：超神经科学：现代搜索技术的一个新兴方向。收录于：《元启发式手册》，第57卷，第457–474页（2003年）·Zbl 1102.90377号
[15] Burke，E.，Hyde，M.，Kendall，G.，Woodward，J.：用遗传编程实现自动启发式生成：进化出所有等级中的一个或一个硕士。摘自：《遗传与进化计算会议》，GECCO’07，第1559–1565页。ACM，纽约（2007年）
[16] Burke，E.，Hyde，M.，Kendall，G.，Ochoa，G.，Özcan，E.，Qu，R.：超启发式的调查和分类。《启发式》（2010年出版）。搜索与优化中的超神经科学专题
[17] Burke，E.、Landa-Silva，J.、Soubeiga，E.：空间分配和时间表的多目标超神经方法。摘自：《元神经科学：作为真正问题解决者的进步》，第32卷，第129-158页（2005年）
[18] Caramia，M.、Italiano，G.、Oriolo，G.，Pacifici，A.、Perugia，A.：为车队安排动态联合接送服务路线。摘自：《运筹学研讨会论文集》，第3-8页。柏林施普林格出版社（2002年）
[19] Christofides，N.，Beasley，J.：周期路由问题。网络14（2），237–256（1984）·Zbl 0541.90073号 ·doi:10.1002/net.3230140205
[20] Christofides，N.，Mingozzi，A.，Toth，P.：车辆路径问题。梳子。最佳。，第315–338页（1979年）·Zbl 0413.90075号
[21] Clarke，G.，Wright，J.：车辆从中央仓库到多个交付点的调度。操作。第12（4）号决议，568–581（1964）·doi:10.1287/opre.124.568
[22] Cordeau，J.，Laporte，G.，Mercier，A.：针对有时间窗的车辆路径问题的统一禁忌搜索启发式算法。J.运营商。Res.Soc.52（8），928-936（2001）·Zbl 1181.90034号 ·doi:10.1057/palgrave.jors.2601163
[23] Cordeau，J.，Gendreau，M.，Hertz，A.，Laporte，G.，Sormany，J.：车辆路径问题的新启发式方法。摘自：《物流系统：设计与优化》，第279-297页（2005年）·Zbl 1130.90416号
[24] Desrochers，M.，Verhoog，T.：车辆路径问题的基于匹配的节省算法。技术报告Les Cahiers du GERARD G-89-04，Es cole des Hautes Etues Commerciales de Montréal，Montreal，Canada（1989）·Zbl 0723.90018号
[25] Elwell，R.，Polikar，R.：变速率概念漂移的增量学习。参加：2009年MCS第八届多分类器系统国际研讨会。计算机科学课堂讲稿，第5519卷，第142-151页。柏林施普林格出版社（2009）
[26] Ergun，O.，Orlin，J.，Steele-Feldman，A.：通过组合动作，从较小的社区中创建超大规模的社区。《启发式杂志》12，115–140（2006）·Zbl 1122.68593号 ·doi:10.1007/s10732-006-5561-5
[27] Ersoy，E.，Özcan，E.，Uyar，A.：模因算法和超高山攀登者。摘自：《第三届多学科国际会议议程：理论与应用》，2007年MISTA，法国巴黎，第159-166页（2007）
[28] Fisher，M.：使用最小k树优化车辆路径问题的解决方案。操作。第42（4）号决议，626–642（1994）·Zbl 0815.90066号 ·doi:10.1287/opre.42.4626
[29] Fisher，M.，Jaikumar，R.，van Wassenhove，L.：车辆路径的广义分配启发式。网络11，109–124（1981）·doi:10.1002/net.3230110205
[30] Fonseca，E.，Fuchshuber，R.，Santos，L.，Plastino，A.，Martins，S.：混合dm抓取元启发式：评估挖掘频率。在：第十届国际自然并行问题解决大会（PPSN X）-超启发式研讨会，德国多特蒙德（2008）
[31] Gambardella，L.，Taillard，E.，Agazzi，G.：Macs-vrptw：一个多蚁群系统，用于解决有时间窗的车辆路径问题。摘自：《优化中的新理念》，第63-76页（1999年）
[32] Garrido，P.，Riff，M.C.：一种用于解决脱模问题的进化超启发式算法。参加：第八届智能数据工程和自动学习国际会议，IDEAL 2007。计算机科学课堂讲稿，第4881卷，第406-415页。柏林施普林格出版社（2007）
[33] Gendreau，M.、Guertin，F.、Potvin，J.Y.、Taillard，E.：实时车辆路径和调度的并行禁忌搜索。运输。科学。33(4), 381–390 (1999) ·Zbl 0958.90051号 ·doi:10.1287/trsc.33.4.381
[34] Gendreau，M.、Guertin，F.、Potvin，J.、Séguin，R.：动态车辆调度问题的邻域搜索启发法。运输。研究，C部分应急技术。14(3), 157–174 (2006) ·doi:10.1016/j.trc.2006.03.002
[35] Gendreau，M.、Potvin，J.Y.、Bräysy，O.、Hasle，G.、Lökketangen，A.：车辆路径问题的元启发式及其扩展：分类书目。In：车辆路径问题：最新进展和新挑战。运筹学/计算机科学接口系列，第43卷，第143-169页。柏林施普林格出版社（2008）·Zbl 1187.90001号
[36] Ghiani，G.、Guerriro，F.、Laporte，G.和Musmanno，R.：实时车辆路线：解决方案概念、算法和并行计算策略。欧洲药典。第151（1）、1-11号决议（2003年）·Zbl 1033.90014号 ·doi:10.1016/S0377-2217（02）00915-3
[37] Gillett，B.，Miller，L.：车辆排放问题的启发式算法。操作。第22（2）号决议，340–349（1974）·Zbl 0274.90013号 ·doi:10.1287/opre.22.2.340
[38] Goel，A.，Gruhn，V.：解决动态现实车辆路径问题。摘自：《2005年运营研究论文集》，第367-372页。柏林施普林格出版社（2006）
[39] Han，L.，Kendall，G.：禁忌辅助超神经遗传算法的研究。摘自：进化计算大会，CEC 2003，第3卷，第2230–2237页。IEEE出版社，纽约（2003）
[40] Hanshar，F.T.，Ombuki-Berman，B.M.：使用遗传算法的动态车辆路线。申请。因特尔。27(1), 89–99 (2007) ·Zbl 1189.90208号 ·数字对象标识代码：10.1007/s10489-006-0033-z
[41] Housroum，H.，Hsu，T.，Dupas，R.，Goncalves，G.：一种混合遗传算法，用于解决带时间窗的动态车辆路径问题。摘自：第二届信息和通信技术国际会议：从理论到应用，ICTTA’06，第1卷，第787-792页。IEEE出版社，纽约（2006）
[42] Ichoua，S.、Gendreau，M.、Potvin，J.：实时车辆调度中的分流问题。运输。科学。34（4），426–438（2000年）·兹比尔0991.90529 ·doi:10.1287/trsc.34.4.426.12325
[43] Jakobovic，D.，Jelenkovic，L.，Budin，L.：多机器调度的遗传编程启发法。摘自：第十届欧洲遗传编程会议，2007年EuroGP。计算机科学课堂讲稿，第4445卷，第321-330页。柏林施普林格出版社（2007）
[44] Kilby，P.、Prosser，P.和Shaw，P.：动态虚拟现实：场景研究。苏格兰格拉斯哥斯特拉斯克莱德大学技术报告APES-06-1998（1998）
[45] Kindervater，G.，Savelsbergh，M.：车辆路线：处理边缘交换。In:组合优化中的局部搜索，第337–360页（1997）·Zbl 0887.90060号
[46] Krasnogor，N.，Gustafson，S.：模因算法中“自我生成”的使用研究。自然计算。3(1), 53–76 (2004) ·Zbl 1074.68064号 ·doi:10.1023/B:NACO.0000023419.83147.67
[47] Krasnogor，N.，Smith，J.：基于简单继承机制的有利可图的搜索策略的出现。参见：《2001年遗传和进化计算会议论文集》，GECCO’01，第432-439页。Morgan Kaufmann，旧金山（2001）
[48] Krumke，S.、Rambau，J.、Torres，L.：带软时间窗的引导和非引导汽车服务单元的实时调度。在：第十届欧洲算法年度研讨会，欧空局'02。计算机科学课堂讲稿，第2461卷，第637-648页。柏林施普林格出版社（2002年）·Zbl 1019.90500号
[49] Kumar，R.，Joshi，A.，Banka，K.，Rockett，P.：通过多目标遗传规划实现生物目标0/1背包问题的超启发式进化。摘自：遗传和进化计算会议，GECCO’08，第1227–1234页。ACM，纽约（2008）
[50] Laporte，G.，Semet，F.：容量受限vrp的经典启发式。摘自：《车辆路径问题》，第109-128页（2001年）·Zbl 1076.90549号
[51] Laporte，G.，Gendreau，M.，Potvin，J.，Semet，F.：车辆路径问题的经典和现代启发式。国际事务处理。操作。第7号决议，285–300（2000年）·doi:10.1111/j.1475-3995.2000.tb00200.x
[52] Lin，S.，Kernighan，B.：旅行售货员问题的有效启发式算法。操作。第21（2）号决议，498–516（1973）·Zbl 0256.90038号 ·doi:10.1287/opre.21.2498
[53] Lysgaard，J.、Letchford，A.、Eglese，R.：一种用于容量受限车辆路径问题的新的分支与切割算法。数学。程序。100(2), 423–445 (2004) ·Zbl 1073.90068号 ·doi:10.1007/s10107-003-0481-8
[54] Marín-Blázquez，J.G.，Schulenburg，S.：应用于超神经科学的多步骤环境学习分类器系统。摘自：遗传和进化计算会议，GECCO’06，第1521–1528页。ACM，纽约（2006）
[55] Mester，D.，Bräysy，O.：具有时间窗口的大规模车辆路径问题的主动引导进化策略。计算。操作。第32（6）号决议，1593-1614（2005）·Zbl 1122.90403号 ·doi:10.1016/j.cor.2003.11.017
[56] Mole，R.，Jameson，S.：采用广义节约标准的顺序路线构建算法。操作。第27（2）号决议，503–511（1976年）·doi:10.1057/jors.1976.95
[57] Montemanni，R.，Gambardella，L.，Rizzoli，A.，Donati，A.：基于蚁群系统的动态车辆路径问题的新算法。收录：第二届货运与物流国际研讨会论文集，2003年奥德赛，意大利巴勒莫（2003）·邮编1093.90094
[58] Montemanni，R.、Gambardella，L.、Rizzoli，A.、Donati，A.：动态车辆路径问题的蚁群系统。J.库姆。最佳方案。10(4), 327–343 (2005) ·邮编1093.90094 ·doi:10.1007/s10878-005-4922-6
[59] 或者，I.：旅行推销员型组合优化问题及其与区域血库物流的关系。美国伊利诺伊州埃文斯顿西北大学博士论文（1976年）
[60] 奥兹坎，E.：模因、自我生成和护士排班的实证研究。摘自：《第六届自动排班实践与理论国际会议论文集》，2006年，捷克共和国布尔诺，第246–263页（2006）
[61] Özcan，E.，Alkan，A.：解决时间表问题的模因算法：增量策略。摘自：《第三届多学科国际会议议程：理论与应用》，MISTA'07年，第394-401页。法国巴黎（2007年）
[62] Özcan，E.，Kalender，M.，Burke，E.：贪婪梯度模拟退火超启发式。参加：第十届自然并行问题解决国际会议（PPSN X）——德国多特蒙德超神经科学研讨会（2008）
[63] Pankratz，G.：通过遗传算法实现动态车辆路线。国际物理杂志。配送物流。管理。35(5), 362–383 (2005) ·数字对象标识代码：10.1108/09600030510607346
[64] Papastavrou，J.：一种随机和动态路由策略，使用与州相关移民的分支过程。欧洲药典。第95（1）号决议，167-177（1996）·Zbl 0953.90502号 ·doi:10.1016/0377-2217（95）00189-1
[65] Pillay，N.：遗传编程系统中无容量检查时间表问题的超神经表现分析。摘自：南非计算机科学家和信息技术学家协会关于发展中国家信息技术研究的年度研究会议，SAICSIT'08，第188-192页。ACM，纽约（2008）
[66] Poli，R.、Woodward，J.、Burke，E.：bin-packing策略演变的历史图匹配方法。摘自：IEEE进化计算大会，CEC 2007，第3500-3507页。IEEE出版社，纽约（2007）
[67] Polikar，R.，Upda，L.，Upda，S.S.，Honavar，V.：学习++：一种用于监督神经网络的增量学习算法。IEEE传输。系统。曼赛本。，C部分31（4），497–508（2001）·数字对象标识代码：10.1109/5326.983933
[68] Potvin，J.，Xu，Y.，Benyahia，I.：动态行程时间的车辆路线和调度。计算。操作。第33（4）号决议，1129–1137（2006）·Zbl 1079.90021号 ·doi:10.1016/j.cor.2004.09.015
[69] Prins，C.：一种简单有效的车辆路径问题进化算法。计算。操作。1985年至2002年（2004年）第31（12）号决议·Zbl 1100.90504号 ·doi:10.1016/S0305-0548（03）00158-8
[70] Rego，C.：车辆路径问题的子路径弹出链方法。管理。科学。44(10), 1447–1459 (1996) ·Zbl 0989.90522号 ·doi:10.1287/mnsc.44.1447
[71] Reimann，M.，Doerner，K.，Hartl，R.：D-ants:基于储蓄的蚂蚁可以分割和征服车辆路径问题。计算。操作。第31（4）号决议，563–591（2004）·兹比尔1061.90024 ·doi:10.1016/S0305-0548（03）00014-5
[72] Rochat，Y.，Taillard，E.：车辆路线局部搜索中的概率多样化和强化。《启发式杂志》1（1），147-167（1995）·Zbl 0857.90032号 ·doi:10.1007/BF02430370
[73] Ross，P.、Marín-Blázquez，J.G.、Schulenburg，S.、Hart，E.：学习可以解决硬装箱问题的程序：基于遗传算法的超启发式新方法。收录：遗传和进化计算会议，GECCO’03。计算机科学课堂讲稿，第2724卷，第1295-1306页。柏林施普林格出版社（2003）·Zbl 1038.68841号
[74] Ross，P.，Marin-Blazzez，J.，Hart，E.：超神经主义应用于课堂和考试时间表问题。In:进化计算大会，CEC 2004，英国爱丁堡，第2卷，第1691-1698页（2004）
[75] Savelsbergh，M.，Sol，M.：驾驶：独立车辆的动态路线。操作。第46（4）号决议，474–490（1998）·Zbl 0987.90511号 ·数字对象标识代码：10.1287/opre.46.474
[76] Scholz，M.，Klinkenberg，R.：漂移概念的增强分类器。因特尔。数据分析。11(1), 3–28 (2007)
[77] Song，J.，Hu，J.、Tian，Y.、Xu，Y.：基于类蜂代理策略的动态车辆路径问题的再优化。在：第八届国际IEEE智能交通系统会议，ITSC’05，第231–236页。IEEE出版社，纽约（2005）
[78] Soubeiga，E.：超启发式在人员调度中的开发和应用。英国诺丁汉大学博士论文（2003年）
[79] Swihart，M.，Papstavrou，J.：单车取送问题的随机动态模型。欧洲药典。第114（3）号决议，447-464（1999）·Zbl 0949.90006号 ·doi:10.1016/S0377-2217（98）00260-4
[80] Taillard，E.：车辆路径问题的并行迭代搜索方法。网络23、661–673（1993）·Zbl 0804.90045号 ·doi:10.1002/net.3230230804
[81] Tay，J.C.，Ho，N.B.：进化调度规则以解决多目标柔性车间问题。计算。工业工程54（3），453–473（2008）·doi:10.1016/j.cie.2007.08.008
[82] Terashima-Marín，H.，Farías-Zárate，C.，Ross，P.，Valenzuela-Rendón，M.：一种基于遗传算法的方法，用于生成2d规则切割库存问题的广义超神经网络。摘自：遗传和进化计算会议，GECCO’06，第591-598页。ACM，纽约（2006）
[83] Terashima Marin，H.，Farías-Zárate，C.，Ross，P.，Valenzuela Rendon，M.：比较两个模型，为二维规则装箱问题生成超启发式。摘自：遗传和进化计算会议，GECCO’07，第2182–2189页。ACM，纽约（2007）
[84] Terashima-Marín，H.，Ortiz-Bayliss，J.，Ross，P.，Valenzuela-Rendón，M.：约束满足问题中动态变量排序的超神经科学。摘自：遗传和进化计算会议，GECCO’08，第571-578页。ACM，纽约（2008）
[85] Thompson，P.，Psaraftis，H.：多车辆路径和调度问题的循环传输算法。操作。第41（5）号决议，935-946（1993）·Zbl 0797.90021号 ·doi:10.1287/opre.41.5.935
[86] Tighe，A.，Smith，F.，Lyons，G.：实时动态车辆路线的基于优先级的求解器。摘自：IEEE国际系统会议，人与控制论，SMC’04，第7卷，第6237–6242页。IEEE出版社，纽约（2004）
[87] Toth，P.，Vigo，D.：粒度禁忌搜索及其在车辆路径问题中的应用。信息J.计算。15(4), 333–346 (2003) ·Zbl 1238.90141号 ·doi:10.1287/ijoc.15.4.333.24890
[88] Tuzun，D.，Magent，M.，Burke，L.：使用神经网络选择车辆路径启发式。国际事务处理。操作。第4（3）号决议，211-221（2006）·Zbl 0891.90064号 ·doi:10.1111/j.1475-3995.1997。tb00077.x
[89] van Breedam，A.：对车辆路径问题的启发式行为的分析，用于选择具有车辆相关、客户相关和时间相关约束的问题。比利时安特卫普大学博士论文（1994年）
[90] Wark，P.，Holt，J.：车辆路径问题的重复匹配启发式算法。J.运营商。Res.Soc.45（10），1156–1167（1994）·Zbl 0813.90040号
[91] Zhu，K.Q.，Ong，K.：实时动态车辆路径问题的反应式方法。摘自：第12届IEEE人工智能工具国际会议，ICTAI’00，第176-180页。IEEE计算。洛斯·阿拉米托斯学院（2000年）
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。