Supervised Permutation Invariant Networks for Solving the CVRP with Bounded Fleet Size
University of Hildesheim（希尔德斯海姆大学）
学习解决组合优化问题，如车辆路径问题，提供了很大的计算优势，经典的运筹学求解器和算法。最近开发的深度强化学习方法要么迭代地改进初始给定的解决方案，要么顺序地构建一组单独的旅行。然而，大多数现有的基于学习的方法是不能够工作的固定数量的车辆，从而绕过复杂的分配问题的客户到一个先验给定数量的可用车辆。另一方面，这使得它们不太适合实际应用，因为许多物流服务提供商依赖于为特定的有限车队规模提供的解决方案，并且无法适应车辆数量的短期变化。相比之下，我们提出了一个强大的监督深度学习框架，从头开始构建一个完整的旅游计划，同时尊重先验的固定数量的可用车辆。结合一个有效的后处理方案，我们的监督方法不仅更快，更容易训练，但也取得了有竞争力的结果，结合车辆成本的实际方面。在彻底的对照实验中，我们将我们的方法与多种最先进的方法进行了比较，在这些方法中，我们展示了稳定的性能，同时利用更少的车辆，并揭示了相关工作的实验方案中存在的不一致性。
2022-01-05 cs.LG math.OC
The Vehicle Routing Problem with Service Level Constraints
我们考虑一个车辆路径问题，旨在最大限度地减少成本的服务水平的限制，对几组交付。这个问题反映了物流供应商所面临的一些基本挑战，这些供应商为有限数量的合作伙伴提供运输服务，并应遵守服务水平的合同义务。该问题也推广了几类重要的有利润的车辆路径问题。为了解决这个问题，我们提出了一个紧凑的数学公式，一个分支和价格算法，和一个混合遗传算法与人口管理，它依赖于问题量身定制的解决方案表示，交叉和局部搜索算子，以及自适应惩罚机制建立一个良好的平衡服务水平和成本。我们的计算实验表明，所提出的启发式返回非常高质量的解决方案，这个困难的问题，匹配所有的最优解发现中小型基准实例，并改善现有的算法，两个重要的特殊情况下：车辆路径问题与私人车队和公共承运人，和能力限制有利可图的旅游问题。分支和价格算法也产生新的最优解的所有三个问题。
2017-06-09 math.OC
Optimising Electric Vehicle Charging Station Placement using Advanced Discrete Choice Models
本文提出基于高级离散选择模型和模拟预计算误差项的多周期充电站选址优化方法，并设计滚动时域、贪心及GRASP启发式算法以高效求解最大覆盖模型。
2023-05-25 math.OC
A Gradient Descent Method for The Dubins Traveling Salesman Problem
我们提出了一种结合边界过程和梯度下降法来解决Dubins流动推销员问题，即在欧氏平面上通过有限个点找到一个最短的曲率约束旅游的问题。该问题在机器人车辆和无人驾驶飞行器的路径规划中有应用，其中最小转弯半径防止车辆急转弯。在本文中，我们专注于任何两个点分开至少四倍的最小转弯半径的情况下，这是最有趣的从实用的角度来看。定界过程有效地确定了访问这些点的最佳顺序。梯度下降法受力学模型的启发，以给定的顺序确定通过点的巡回的最佳轨迹，并且其计算时间尺度与点的数量成线性关系。在九个点的实验中，边界过程通常在找到最佳序列之前探索不超过几个序列，并且梯度下降法通常在单次迭代中收敛到最佳的1\%以内。
2021-04-12 math.MG math.OC
A Matrix Representation of the Multiple Vehicle Routing Problem for Pickup and Delivery
针对多车辆接送问题（MVPDP），以最小化接送客户的过程中产生的旅游费用为目标，提出了一种计算效率高的算法.为此，本文构造了一个新的0-1线性二次规划（IQP）问题来精确求解MVPDP。与现有的混合规划线性规划（MILP）相比，本文提出的方法需要较少的约束条件和决策变量。为了确保MVPDP的IQP公式可以以计算高效的方式求解，本文设计了一组充分条件，以确保当整数变量松弛时该公式的凸性。此外，本文描述了一种变换映射到一个等价的凸一个MVPDP的任何非凸IQP制定。这种凸IQP方法相比，最先进的MILP制定优越的计算效率，通过广泛的模拟和现实世界的实验证明。
2018-05-13 math.OC
Sweep Algorithms for the Capacitated Vehicle Routing Problem with Structured Time Window
带结构时间窗的能力约束车辆路径问题（cVRPsTW）研究的是车辆在给定能力约束下的最优路径规划问题。在我们的问题变体中，这些时间窗口具有特殊的结构，即它们是不重叠的，每个时间窗口包含多个客户。这是对上门服务的合理假设。清扫算法是求解经典车辆路径问题的一种简单而有效的算法。我们提出的扫描算法，不仅能够处理时间窗口的变体，但也利用额外的结构中的cVRPsTW的时间窗口。之后，我们建议局部改进算法，以进一步降低我们的目标函数。一个精心构造的基准集，类似于现实世界的数据被用来证明我们的算法在计算研究的有效性。
2019-01-09 cs.DS math.OC
Quantum-Assisted Optimization Guided by Machine-Learned Risk Maps for Aerial Surveillance Routing
Université de Sherbrooke（舍布鲁克大学）
本文提出一个融合机器学习风险预测与量子退火的框架，用于无人机监视路径规划，通过建模为带约束的团队定向问题，在森林火灾预防中实现高效巡视组合优化。
2026-10-06 math.OC quant-ph
Path Planning for Multiple Heterogeneous Unmanned Vehicles with Uncertain Service Times
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Wayne State University（韦恩州立大学）；Air Force Research Laboratory（空军研究实验室）
本文提出了一个框架，并制定解决路径规划问题的多个异构无人机（UV）与不确定的服务时间为每个车辆-目标对。车辆将受到与其总服务时间超过预设常数的持续时间成比例的惩罚。这些车辆的运动限制不同，在任务开始时位于不同的仓库。车辆还可以配备不同的传感器。目标是为每辆车找到一个在其各自的停车场开始和结束的行程，使得每个目标都被某辆车访问和服务，同时最小化总行驶距离和所有车辆所产生的预期惩罚之和。我们制定的问题作为一个两阶段的随机程序与追索权，目前的理论性质的制定和优势，使用这样的制定，而不是一个确定性的期望值制定，来解决这个问题。大量的数值模拟也证实了所提出的方法的有效性。
2017-02-24 cs.RO math.OC
Exact algorithms for budgeted prize-collecting covering subgraph problems
介绍了一类预算奖集覆盖子图问题。对于一个顶点有奖励，边有代价的输入图，这些问题的目的是寻找一个连通子图，使得它的边的代价不超过给定的预算，并且它的奖励是最大的。当顶点被访问时，顶点奖励被收集，但如果顶点被覆盖，价格也可以部分收集，其中未访问的顶点被访问的顶点覆盖，如果后者属于前者的邻域。容量限制被施加在可以由相同的被访问顶点覆盖的顶点的数量上。潜在的应用领域包括网络设计和多式联运。我们开发了一个分支和切割的框架和本德斯分解的精确解的问题在这一类。我们观察到，前一种算法平均计算时间更短，但对于特定的实例设置，后者的性能也优于前者。最后，我们验证了我们的算法框架的情况下，子图是一个旅游和一棵树，对于这两种情况下，我们还确定了新的破坏性的不等式。
2021-08-04 math.OC
Multi-Start Team Orienteering Problem for UAS Mission Re-Planning with Data-Efficient Deep Reinforcement Learning
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
在本文中，我们研究了多启动团队定向问题（MSTOP），一个任务重新规划问题，车辆最初位于远离仓库，并有不同的燃料量。我们考虑/假设多辆车的目标是行驶以最大化资源下收集的利润之和（例如，时间、燃料）消耗限制。这样的重新规划问题发生在广泛的智能无人机应用中，其中任务环境的变化迫使多个车辆的操作从原始计划改变。为了用深度强化学习（RL）解决这个问题，我们开发了一个策略网络，它在每个部分巡回上具有自注意力，在部分巡回和剩余节点之间具有编码器-解码器注意力。我们提出了一个修改后的REINFORCE算法，其中贪婪的推出基线被替换为本地小批量基线的基础上多个，可能是非重复的样本推出。通过为每个训练实例绘制多个样本，我们可以更快地学习，并以显著更少的实例获得稳定的策略梯度估计器。所提出的训练算法优于传统的贪婪卷展基线，即使与最大熵目标相结合。
2023-03-02 cs.LG cs.RO math.OC
A GRASPxELS with Depth First Search Split Procedure for the HVRP
在路径问题的全局优化框架下，通过将大型旅行分解为多个行程，证明了分裂算法的有效性。这是通过在从巨大的巡回赛建立的辅助图内生成最优最短路径来完成的。Lacomme等人（2001）首次在元启发式方法中引入了一个有效的应用程序来解决有容量限制的弧路由问题（CARP），Prins（2004）第二次引入了车辆路由问题（VRP）。在进一步的步骤中，由于使用链接到资源管理的辅助图的节点上的标签的生成的巨型游览的启发式分裂，嵌入在元分析中的分裂过程已经被扩展到解决更复杂的路由问题。最近，Duhamel等人（2010）定义了一个新的基于深度优先搜索方法的Split族，该方法在图中的标签生成过程中使用。新的分裂方法的效率已首次评估在定位路由问题与GRASP元启发式。Duhamel等人（2010）提供了关于这个主题的完整数值实验。
2022-11-12 math.OC physics.soc-ph
Hybrid Genetic Search for Dynamic Vehicle Routing with Time Windows
本文将混合遗传搜索算法适配到带时间窗的动态车辆路径问题，通过改进大环表示、成本归一化等组件平衡解质量与未来约束，在竞赛数据上显著优于基线算法。
2023-07-26 cs.NE math.OC
Vehicle Routing Problem with Vector Profits (VRPVP) with Max-Min Criterion
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
本文提出了一种新的路径问题--带向量利润的车辆路径问题。给定一个由节点（仓库/站点）和连接节点的弧组成的网络，该问题确定从仓库出发，访问站点以收集利润，并返回仓库的路线。有多个利益相关者对任务感兴趣，每个站点都与一个向量相关联，该向量的第k个元素代表第k个利益相关者的利润值。问题的目标是最大化最不满意的利益相关者的利润总和，即，总利润值最小的股东。提出了一种基于线性规划松弛和列生成的最大-最小型布线问题的求解方法。两个案例研究-行星表面探索和罗马之旅的情况下-提出了证明所提出的问题制定和解决方法的有效性。
2017-10-29 cs.AI math.OC
Equitable Routing--Rethinking the Multiple Traveling Salesman Problem
Amazon（亚马逊公司）；MIT Energy Initiative（麻省理工学院能源计划）；Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）
本文提出两种新的公平驱动多旅行商问题变体，通过均衡路线长度分配并控制总体成本，为min-max MTSP提供实用且灵活的替代方案。
2026-04-26 cs.RO math.OC
Coordinating Drop-Off Locations and Pickup Routes: A Budget-Constrained Routing Perspective
本文研究预算约束下投放点选址与单车辆取货路线协同优化问题，提出一种通用数学优化方法，并通过大量合成实验验证其有效性。
2025-05-08 math.OC
An Adaptive Variable Neighborhood Search for a Family of Set Covering Routing Problems with an Application in Disaster Relief Operations
本文研究了一种集覆盖路由问题变种，结合直升机和地面运输解决灾害地区可达性问题，提出自适应变量邻域搜索算法，通过实证分析展示其在灾难救援中的有效性。
2026-04-30 econ.GN math.OC q-fin.EC
An exact algorithm for vehicle routing problems with temporal dependency constraints
Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本文提出一种能处理所有时间依赖约束的精确算法，通过片段化建模和价格-切割-枚举算法，有效解决车辆路径问题中的时间依赖约束，优于现有方法并解决以往难以处理的实例。
2026-04-17 math.OC
A Bi-criterion Steiner Traveling Salesperson Problem with Time Windows for Last-Mile Electric Vehicle Logistics
本文研究最后一英里电动货运车辆的节能与安全路径规划，将其建模为带时间窗的双准则Steiner旅行商问题（BSTSPTW），以能耗和交叉口左转次数为目标并考虑再生制动，通过精确模型与局部搜索启发式算法在合理时间内生成近优解。
2024-09-23 cs.CE cs.DM math.OC
Utility Design for Distributed Resource Allocation -- Part II: Applications to Submodular, Covering, and Supermodular Problems
分布式控制的博弈论方法的一个基本组成部分是局部效用函数的设计。相对于在资源上可加性的资源分配问题，第一部分展示了如何设计局部效用，以便最大化相关的性能保证[Paccagnan等人，TAC 2019]，我们用无政府状态的无政府代价来衡量。本手稿的目的是专门这些结果的情况下，submodular，覆盖和supermodular问题。在所有这些情况下，我们得到严格的表达式的无政府代价，往往匹配或改善相关的保证国家的最先进的近似算法。两个应用程序和相应的数值：车辆目标分配问题和无线数据缓存中出现的覆盖问题。
2021-01-12 cs.GT math.OC
RouteExplainer: An Explanation Framework for Vehicle Routing Problem
NTT Corporation（NTT公司）
本文提出RouteExplainer，一种事后解释框架，通过将路线视为动作序列并扩展反事实解释，结合边分类器和LLM生成解释，在四种VRP上验证了其快速且合理的准确性。
2024-03-06 cs.AI cs.LG math.OC
Global Exponential Stabilization of a 3D Nonholonomic Vehicle in Spherical Coordinates
UC San Diego（加州大学圣地亚哥分校）
针对受布罗克特条件限制的三维非完整车辆，提出基于球坐标奇异性的反步连续时不变反馈律，实现全局限定指数镇定，并构造严格控制李雅普诺夫函数保证指数稳定性。
2026-09-22 cs.SY eess.SY math.OC
