丹尼尔·吉马兰斯;罗莎·埃雷罗;丹尼尔·里埃拉;安吉尔·A·胡安。;胡安·何塞·拉莫斯 结合概率算法、约束规划和拉格朗日松弛法求解车辆路径问题。 (英文) Zbl 1238.90018号 安。数学。Artif公司。智力。 62,编号3-4,299-315(2011). 摘要:本文提出了一种求解容量受限车辆路径问题(CVRP)的混合算法。该方法将概率算法与约束规划(CP)和拉格朗日松弛(LR)相结合。在介绍了CVRP并回顾了现有文献之后,本文提出了一种基于概率可变邻域搜索(VNS)算法的方法。给定一个CVRP实例,该算法使用经典Clarke和Wright储蓄构造启发式的随机版本来生成初始解。然后通过本地搜索过程对该初始解决方案进行改进,该过程结合了:(a)LR优化每个单独的路线,(b)CP快速验证新建议解决方案的可行性。在测试了一些著名的CVRP基准之后,分析了我们的方法的效率。我们还讨论了混合方法相对于现有方法的优点。特别强调了我们方法的潜在灵活性。 引用于2文件 MSC公司: 90B06型 运输、物流和供应链管理 90立方厘米 随机规划 关键词:混合算法;可变邻域搜索;车辆路线问题;概率算法 软件:TSPLIB公司;骨骼路线;抓握;JCell公司;VRP公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Guimarans}等人,《数学年鉴》。Artif公司。智力。62,编号3--4,299--315(2011;Zbl 1238.90018) 全文: 内政部 链接 参考文献: [1] Alba,E.,Dorronsoro,B.:容量受限车辆路径问题的混合细胞遗传算法。Abraham,A.,Grosan,C.,Pedrycz,W.(编辑)工程进化智能系统(计算智能研究,82),第379-422页。施普林格,纽约(2008) [2] Altinel,I.,Oncan,T.:针对容量受限的车辆路径问题,对Clarke和Wright节约启发式算法的新增强。《运营杂志》。Res.Soc.56、954–961(2005年)·Zbl 1274.90290号 ·doi:10.1057/palgrave.jors.2601916 [3] Apt,K.,Wallace,M.:使用ECLiPSe的约束逻辑编程。剑桥大学出版社,剑桥(2007)·Zbl 1119.68044号 [4] Berger,J.,Barkaoui,M.:容量受限车辆路径问题的混合遗传算法。收录于:Cantó-Paz,E.(编辑)《国际遗传和进化计算会议论文集》,美国伊利诺伊州芝加哥,第646-656页。施普林格,纽约(1996)·Zbl 1028.68678号 [5] Boschetti,M.,Maniezzo,V.:Benders分解,拉格朗日松弛和元启发式设计。《启发式杂志》15,283–312(2009)·Zbl 1176.90485号 ·doi:10.1007/s10732-007-9064-9 [6] Buxey,G.:车辆调度问题和蒙特卡罗模拟。《运营杂志》。Res.Soc.30,563–573(1979年)·Zbl 0397.90047号 [7] Christofides,N.、Mingozzi,A.、Toth,P.:车辆路径问题。摘自:组合优化,第315-338页。威利(1979)·兹伯利0413.90075 [8] Clarke,G.,Wright,J.:从中央仓库到多个交付点的车辆调度。操作。第12号决议,568–581(1964年)·doi:10.1287/opre.124.568 [9] Cordeau,J.、Laporte,G.、Savelsbergh,M.、Vigo,D.:车辆路线。收录于:Barnhart,C.,Laporte,G.(编辑)《运营研究和管理科学手册》,第14卷,第367-428页。爱思唯尔,阿姆斯特丹(2007) [10] Dantzig,G.,Ramser,J.:卡车调度问题。管理。科学。1980年6月至91年(1959年)·Zbl 0995.90560号 ·doi:10.1287/mnsc.6.1.80 [11] Faulin,J.,Juan,A.A.:容量受限车辆路径问题的algacea-1方法。国际事务处理。操作。第15号、第1–23号决议(2008年)·Zbl 1136.92037号 ·文件编号:10.1111/j.1475-3995.2007.00622.x [12] Faulin,J.,Gilibert,M.,Juan,A.A.,Ruiz,R.,Vilajosana,X.:Sr-1:容量受限车辆路径问题的基于仿真的算法。附:2008年冬季模拟会议记录(2008) [13] Feo,T.,Resende,M.:贪婪的随机自适应搜索程序。J.全球。最佳方案。6, 109–133 (1995) ·Zbl 0822.90110号 ·doi:10.1007/BF01096763 [14] Fernández,P.,García,L.,Mayado,a.,Sanchís,J.:蒙特卡洛技术处理的实际交付问题。前8名,57-71(2000年)·Zbl 0969.90011号 ·doi:10.1007/BF02564828 [15] Festa,P.,Resende,M.:掌握的注释书目——第一部分:算法。国际事务处理。操作。第16号、第1-24号决议(2009年)·Zbl 1153.90553号 ·文件编号:10.1111/j.1475-3995.2009.00663.x [16] Fisher,M.:解决整数规划问题的拉格朗日松弛方法。管理。科学。27, 1–18 (1981) ·Zbl 0466.90054号 ·doi:10.1287/mnsc.27.1.1 [17] Gaskell,T.:车队调度的基础。操作。第18281–295号决议(1967年) [18] Gendreau,M.,Hertz,A.,Laporte,G.:车辆路径问题的禁忌搜索启发式算法。管理。科学。40, 1276–1290 (1994) ·Zbl 0822.90053号 ·doi:10.1287/mnsc.40.1276 [19] Guimarans,D.、Herrero,R.、Riera,D.、Juan,A.、Ramos,J.:结合约束规划、拉格朗日松弛和概率算法来解决车辆路径问题。摘自:第17届RCRA国际研讨会会议记录。意大利博洛尼亚(2010)·兹比尔1238.90018 [20] Guimarans,D.,Herrero,R.,Ramos,J.,Padrón,S.:在元启发式框架中使用约束编程和拉格朗日松弛解决车辆路径问题。国际信息系统杂志。供应链管理。4(2), 61–81 (2011) ·doi:10.4018/jisscm.2011040104 [21] Hansen,P.,Mladenovic,N.:可变邻域搜索教程。技术代表G-2003-46,决策分析小组(GERAD),加拿大蒙特利尔。统一资源定位地址http://www.gerad.ca/fichiers/cahiers/G-2003-46.pdf (2003) [22] Hasle,G.,Kloster,O.:工业车辆路线。摘自:Hasle,G.、Lie,K.、Quak,E.(编辑)《几何建模、数值模拟和优化》,第397-435页。柏林施普林格出版社(2007)·Zbl 1132.90304号 [23] Held,M.,Karp,R.:旅行推销员问题和最小生成树:第二部分。数学。程序。1, 6–25 (1971) ·Zbl 0232.90038号 ·doi:10.1007/BF01584070 [24] Herrero,R.,Ramos,J.,Guimarans,D.:旅行推销员问题的拉格朗日元启发式。收录于:运筹学会议扩展摘要52。伦敦大学皇家霍洛韦分校(2010年) [25] Jin Ai,T.,Kachitvichyanukul,V.:解决容量受限车辆路径问题的粒子群优化和两种解决方案表示。计算。工业工程56、380–387(2009)·doi:10.1016/j.cie.2008.06.012 [26] Juan,A.、Faulin,J.、Jorba,J.,Grasman,S.、Barrios,B.:Sr-2:车辆路径问题的混合智能算法。摘自:第八届混合智能系统国际会议记录,第78-83页。IEEE计算机学会,巴塞罗那(2008) [27] Juan,A.、Faulin,J.、Ruiz,R.、Barrios,B.、Gilibert,M.、Vilajosana,X.:使用定向随机搜索为容量受限的车辆路径问题提供一组替代解决方案。摘自:《运营研究与网络基础结构》,第331-346页(2009年) [28] Juan,A.、Faulin,J.、Jorba,J.,Riera,D.、Masip,D.、Barrios,B.:关于使用蒙特卡罗模拟、缓存和分割技术来改进Clarke和Wright节省启发法。《运营杂志》。Res.Soc.62、1085–1097(2011年)·doi:10.1057/jors.2010.29 [29] Juan,A.、Faulin,J.、Ruiz,R.、Barrios,B.、Caballe,S.:求解容量受限车辆路径问题的SR-GCWS混合算法。申请。软计算。10(1), 215–224 (2010) ·doi:10.1016/j.asoc.2009.07.003 [30] 拉波特:关于车辆路线问题,你应该知道些什么。导航。Res.Logist公司。54, 811–819 (2007) ·Zbl 1135.90308号 ·doi:10.1002/nav.20261 [31] 法律,A.:仿真建模与;分析。McGraw-Hill,纽约(2007年) [32] Lin,S.,Lee,Z.,Ying,K.,Lee and C.:将混合元神经网络应用于容量受限的车辆路径问题。专家系统。申请。2(36),1505-1512(2009)·doi:10.1016/j.eswa.2007.11.060 [33] Mester,D.,Bräysy,O.:大规模容量受限车辆路径问题的主动引导进化策略。计算。操作。第34号决议,2964–2975(2007年)·Zbl 1185.90176号 ·doi:10.1016/j.cor.2005.11.006 [34] Mladenovic,N.,Hansen,P.:可变邻域搜索。计算。操作。第24(11)号决议,1097-1100(1997)·兹伯利0889.90119 ·doi:10.1016/S0305-0548(97)00031-2 [35] Nagata,Y.:用于容量车辆路线问题的边缘装配交叉。莱克特。票据构成。科学。4446, 142–153 (2007) ·doi:10.1007/978-3-540-71615-0_13 [36] 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号决议·Zbl 1100.90504号 ·doi:10.1016/S0305-0548(03)00158-8 [37] Reinelt,G.:《旅行推销员:TSP应用程序的计算解决方案》。计算机科学讲义,第840卷(1994)·Zbl 0825.90720号 [38] Resende,M.:与贪婪随机自适应搜索程序的元启发式杂交。摘自:《运筹学教程》,第295–319页(2008年) [39] Rossi,F.,van Beek,P.,Walsh,T.(编辑):约束编程手册。Elsevier,阿姆斯特丹(2006)·Zbl 1175.90011号 [40] Rousseau,L.,Gendreau,M.,Pesant,G.:使用基于约束的算子解决带时间窗的车辆路径问题。《启发式杂志》8,43–58(2002)·邮编1073.90056 ·doi:10.1023/A:1013661617536 [41] Savelsbergh,M.:具有时间窗口的路由问题中的本地搜索。安·Oper。第4号决议,285–305(1985年)·doi:10.1007/BF02022044 [42] Savelsbergh,M.:计算机辅助路由。技术代表,Centrum voor Wiskunde en Informatica(1988年)·Zbl 0793.90019号 [43] Taillard,E.:车辆路径问题的并行迭代搜索方法。网络23661–673(1993)·Zbl 0804.90045号 ·doi:10.1002/net.3230230804 [44] Tarantilis,C.,Kiranoudis,C.:Boneroute:一种基于记忆的自适应方法,用于有效的车队管理。安·Oper。第115、227–241号决议(2002年)·Zbl 1013.90020号 ·doi:10.1023/A:1021157406318 [45] Toth,P.,Vigo,D.:车辆路线问题。SIAM离散数学与应用专著。SIAM,费城(2002)·Zbl 0979.00026号 [46] 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, 333–346 (2003) ·Zbl 1238.90141号 ·doi:10.1287/ijoc.15.4.333.24890 [47] Yurtkuran,A.,Emel,E.:一种用于容量受限路由问题的新型混合类电磁算法。专家系统。申请。37(4), 3427–3433 (2010). doi:10.1016/j.eswa.2009.10.005·doi:10.1016/j.eswa.2009.10.005 [48] Zachariadis,E.,Kiranoudis,C.:降低车辆路径问题基于本地搜索方法的计算复杂性的策略。计算。操作。第37号决议,2089–2105(2010年)·doi:10.1016/j.cor.2010.02.009 [49] Zamani,R.,Lau,S.:在拉格朗日放松中嵌入学习能力:旅行推销员问题的应用。欧洲药典。第201(1)号决议,第82–88号决议(2010年)·Zbl 1177.90402号 ·doi:10.1016/j.ejor.2009.02.008 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。