Exploring the sensing power of mixed vehicle fleets
本研究探索混合车队的驱车感知能力，构建DSC问题并提出效用量化与预算约束下的车队、传感器及路径优化方法，经案例与多网络验证提升效用、降低成本，提供定量与管理见解。
2024-05-22 cs.NI math.OC
A Matheuristic for the Electric Vehicle Routing Problem with Time Windows
本文的主要目标是及时有效地路由和调度车队的电动汽车（EV）的道路网络，以服务于一组客户。特别是，我们的目标是提出一个优化的路线规划，利用这些车辆的优势。事实上，如今，电动汽车在减少有害排放方面发挥着关键作用，而不是使用传统车辆。这项研究的出发点是这样一个事实，即电动汽车的先进技术也允许对电池进行部分充电。在这项工作中，一个电动车辆路径问题的时间窗口（E-VRPTW）是解决从时间有效的角度来看，部分充电的假设下，也允许。为此，E-VRPTW在数学上表示为混合线性规划，其中所使用的电动汽车的总数和它们在仓库外花费的总时间都最小化。由于该问题的NP-困难性，还设计了一种可变邻域搜索分支（VNSB）算法，用于在合理的计算时间内确定高质量的解。从文献中采取的一些基准实例上进行的数值计算结果提供了有用的见解，建议制定的解决方案的质量相比，以前的，和性能的VNSB。
2015-05-31 math.OC
Efficient Algorithms for Stochastic Ridepooling Assignment with Mixed Fleets
拼车在一次行程中满足多个乘客的请求，有可能显著提高共享移动平台的车队利用率。共乘分配问题在可共享图上找到最佳共乘者以最大化总效用或利润，可共享图是一个超图，表示可用车辆和未决请求之间的匹配兼容性。由于采用自动化车辆或高级车辆而出现混合车队，应在提出请求之前作出车队规模和搬迁决定。由于基础共享图的巨大规模和需求的不确定性，使用精确的方法来计算最优出行分配是不切实际的。本文提出了两种适用于中容量和大容量车辆的近似算法，其近似比分别为$\frac1{p^2}$和$\frac{e-1}{(2e+o(1)) p \ln p}$，其中$p$为车辆最大容量加1。这些算法的性能进行了验证，使用混合自治按需移动性模拟器。这些高效的算法作为一个垫脚石，为各种多模式和多类按需移动应用。
2022-04-14 cs.DM math.OC
A general and scalable matheuristic for fleet design
我们研究的问题是选择一个车队，在很长的时间范围内-长达一年-执行运送任务。交付数量可能每天和季节都有显著变化，并且潜在的路由问题可能具有丰富的约束-例如，时间窗口、兼容性约束和隔间。虽然已经描述了在各种情况下解决车队规模和组合（FSM）问题的许多方法，但它们通常只考虑需求的“代表日”。我们提出了一种方法，允许任何这样的单日FSM求解器被用来找到有效的车队在很长一段时间内。我们提出了一个启发式的列生成的基础上。该方法选择车队的车辆，以尽量减少在整个时间范围内的收购和运行成本的组合。这导致车队的选择，更大的车队利用率比方法，只考虑一个子集的可用需求数据。使用列生成的上下文中的启发式子问题求解器的问题进行了讨论。该方法相比，两种替代方法对现实世界的数据，并已被证明是非常有效的。
2017-11-23 math.OC
Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit
Institute for Software Integrated Systems, Vanderbilt University（软件集成系统研究所，范德比尔特大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文提出了一种混合整数线性规划模型，用于优化混合车队的充电和行程安排，以应对动态电价和车辆容量等约束，从而降低运营成本。
2026-01-13 cs.AI cs.SY eess.SY
Mixed-integer optimization for multi-year military aircraft fleet management
Politecnico di Milano（米兰理工大学）；Aeronautica Militare Italiana（意大利空军）；Eindhoven University of Technology（埃因霍温理工大学）
针对国防领域飞行与维修规划中的非理想条件，提出一种混合整数多年期规划策略，通过多目标优化、滚动时域、贝叶斯调参及飞机特定加权，最大化机队长期可用性，并在三个基准场景中验证有效性。
2026-09-11 cs.SY eess.SY math.OC
Joint Fleet Sizing and Charging System Planning for Autonomous Electric Vehicles
本文研究了一个公司运营的自动驾驶电动汽车（AEV）的车队规模和充电系统规划问题的客运和货运。相关的已发表论文大多集中在城市内情景，并采用启发式方法，例如，基于代理的模拟，不保证最优性。与此相反，我们提出了一个混合整数线性规划模型的城际场景。该模型综合考虑了以下因素：（1）有限的AEV续驶里程;（2）AEV最优路径选择和搬迁作业;（3）时变的起讫点运输需求;（4）客货运输的差异化作业费用结构。当交通网络规模较大时，所提出的模型可能计算昂贵。然后，我们利用这个程序的结构，以加快其解决方案。数值实验验证了该方法的有效性。我们的实验结果表明，自动驾驶汽车在客运和货运有显着的规划和运营差异。我们还证明了智能路由和重新定位操作，充电系统和车辆参数，例如，充电功率、电池容量、行驶速度等，可以显著影响AEV车队的经济性和规划结果。
2018-11-01 math.OC
Bus Fleet Electrification Under Capital Cost and Scheduling Constraints: A Five-Agency Case Study
Argonne National Laboratory（阿贡国家实验室）；The University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）；Texas A&M University（德克萨斯农工大学）
本研究以五家公交机构为案例，采用混合车队优化模型，发现电动公交替代柴油公交多非一对一，线路密度高的机构替代比例更低，建议用替代比例预测车队容量需求以降低成本。
2026-09-02 math.OC
Joint Design for Electric Fleet Operator an Charging Service Provider: Understanding the Non-Cooperative Nature
这项工作提出了一个新的建模框架，共同优化充电网络设计和物流移动规划的电动汽车车队。现有的文献通常假设存在一个单一的实体，社会计划者，作为管理所有资源的强大决策者。然而，实际情况往往并非如此。而不是作出这种假设，我们具体研究了先天的非合作性质的两个不同的实体参与规划问题。也就是说，他们是充电服务提供商（CSP）和车队运营商（FO）。为了解决实体之间的战略互动，制定了一个双层混合整数规划，与CSP和FO问题分别表示在上层和下层，在一个联合决策过程。这些决策涉及CSP基础设施选址、规模、变电站容量升级、FO车队组成、车辆路线、充电和交付分配。为了减轻计算负担，我们利用一个双循环的解决方案架构迭代达到最优。我们进行了详细的数值模拟研究的合成小网络和模拟结果揭示了这两个实体框架的独特之处。这种建模的角度可以推广到其他系统设计问题与两个相互作用的代理计划和操作资源的网络。
2021-04-08 math.OC
Deep Reinforcement Learning for Solving the Fleet Size and Mix Vehicle Routing Problem
Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University（航空与航空工程系，香港理工大学）
本文提出基于深度强化学习的解决方案，用于高效解决车队规模和混合车辆路径问题，展示了在大规模和时间受限场景下的计算效率和可扩展性优势。
2025-12-30 cs.AI cs.LG math.OC
Detection of coordinated fleet vehicles in route choice urban games. Part I. Inverse fleet assignment theory
本文研究路径选择城市博弈中协同车队的检测问题，提出并证明逆向车队分配理论，发现短视自私策略下车队流量可被确定，并揭示了 Stackelberg 最优路径规划可能引发交通网络混乱。
2025-06-28 cs.MA econ.TH math.OC
RideAgent: An LLM-Enhanced Optimization Framework for Automated Taxi Fleet Operations
RideAgent利用LLM将管理者自然语言目标转化为MIP优化模型，并通过变量固定策略加速求解，在真实数据上实现86%文本相似度、53.15%时间缩减，提升电动网约车车队运营效率。
2025-08-07 math.OC
Rolling Optimization of Mobile Energy Storage Fleets for Resilient Service Restoration
移动储能系统（MESS）提供了有前途的解决方案，以提高配电系统在移动性和灵活性方面的弹性。提出了一种滚动综合恢复策略，通过协调MESS机群调度、微网资源调度和配电网重构，实现系统总成本最小化。综合战略考虑到运输网络中的道路和分配系统中的分支的损坏和修复。负荷消耗的不确定性和道路和分支的状态建模为情景树，使用蒙特卡罗模拟方法。采用随机多层时空网络技术对MESS的运行策略进行建模。采用滚动优化框架对系统损伤进行动态更新，将预测期内各时段的协调调度问题表示为具有时空约束和运行约束的两阶段随机混合整数线性规划问题。该模型在两个综合测试系统上进行了验证，一个是苏福尔斯交通网络和4个33节点配电系统，另一个是新加坡交通网络为基础的测试系统连接6个33节点配电系统。结果表明，有效的MESS移动性，以提高分销系统的弹性，由于移动和固定资源的协调。
2019-09-21 math.OC
Simultaneous Planning of Liner Ship Speed Optimization, Fleet Deployment, Scheduling and Cargo Allocation with Container Transshipment
针对航运业提升运营与能源效率的需求，提出多目标MINLP模型同步优化班轮航速、船队部署等多类决策，采用NSGA-II和OCEA求解并通过6个算例验证模型有效性。
2023-07-21 math.OC
Multi-purpose Pickup and Delivery Problem for Combined Passenger and Freight Transport
模块化运输车辆的最新发展允许部署多用途车辆，其可以交替地运输不同种类的流。在这项研究中，我们提出了一个新的变种的皮卡和交付问题，多用途皮卡和交付问题，多用途车辆被分配到多商品流服务。我们使用精确优化算法和自适应大邻域搜索算法解决了一系列用例场景。我们比较了多用途车队的性能，混合单用途车队。我们的研究结果表明，当部署多用途车辆时，总成本平均可减少13%，同时车辆总行程时间和总行驶距离平均分别减少33%和16%。车队规模平均可减少35%。从业人员和决策者可利用这些结果来决定，与现有车队配置相比，在特定系统中将客运和货运需求流与多用途车辆相结合是否会产生效益。
2022-10-11 math.OC
Drone Deployment Optimization for Direct Delivery with Time Windows and Battery Replacements
空中无人机提供了一个独特的潜力，以减少交付时间和能源消耗的时间敏感和小产品的交付。然而，相关行业仍需要了解在不同业务需求和无人机运行条件下，基于无人机的交付性能。我们研究了一个无人机部署最优化问题，直接交付货物给客户保持指定的时间窗口。本文提出了一种新的基于数学优化的决策方法，以帮助企业主优化其无人机机队的路线，最大限度地减少总能耗，所需的机队规模和所需的额外电池数量。该最优化方法的现实特征是，代替在每次返回到仓库之后更换无人机电池，它跟踪无人机电池中的剩余能量，并且考虑无人机路线和用户指定的最小所需电池能量来决定电池更换。基于真实无人机飞行测试和交付数据的数值结果提供了对不同无人机操作参数对能耗、所需机队规模和所需电池更换次数的影响的见解。案例研究的结果表明，与直线飞行相比，无人机在道路网络上飞行时，总能耗、所需机队规模和所需电池更换次数分别增加了72.22%、22.2%和200%。此外，结果表明，与使用仅由六轴飞行器组成的同质机群相比，使用六轴飞行器和四轴飞行器无人机的混合机群减少了48.52%的总能耗。
2022-09-08 math.OC
Charging plug-in electric vehicles as a mixed-integer aggregative game
我们认为充电调度协调的车队的插电式电动汽车，开发一个混合决策框架的有效和有利可图的使用的配电网。每个充电动态，受整个车队的总行为，建模为一个相互依赖的，混合逻辑动力系统。协调问题被形式化为广义混合整数聚合势博弈，并通过半分散实施的顺序最佳反应算法，导致近似均衡的游戏解决。
2019-10-22 cs.GT cs.MA math.OC
Accelerating Fleet Upgrade Decisions with Machine-Learning Enhanced Optimization
TU Berlin（柏林工业大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
针对传统车队优化计算成本高且不考虑升级选项的问题，本文提出扩展整数规划和机器学习增强优化方法，在汽车案例中实现近优解并显著提升可扩展性。
2025-08-08 cs.CE cs.LG math.OC
Market share maximizing strategies of CAV fleet operators may cause chaos in our cities
Faculty of Mathematics and Computer Science, Jagiellonian University（雅盖隆大学数学与计算机科学学院）；Institute for Transport Studies, University of Leeds（利兹大学交通研究所）
本文研究了CAV车队运营商通过混合策略最大化市场份额可能引发城市交通混沌的问题。
2025-12-03 cs.ET cs.MA cs.SY
Wireless Mobile Charging for Emergency Electric Vehicle Routing: A Mixed-Integer and Metaheuristic Framework for In-Motion Energy Transfer
Shenzhen Research Institute of Big Data（深圳大数据研究院）；School of Data Science, The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳）数据科学学院）；National University of Singapore（新加坡国立大学）
本文提出无线移动充电电动汽车路线规划问题，通过感应耦合实现移动充电卡车对行驶中的电动汽车无线充电，结合混合整数规划和元启发式算法优化异构车队的路线与动态能量传输。
2026-04-26 math.OC
Platoon Coordination and Leader Selection in Mixed Transportation Systems via Dynamic Programming
本文针对燃油与电动卡车混合车队，提出基于动态规划的枢纽编队协调方法，优化等待时间、充电量和领头车辆分配，实现收益最大化并保证多项式时间可扩展性。
2025-07-20 cs.SY eess.SY math.OC
Marine Autonomous Vehicle Fleet Scheduling to Maximise Scientific Impact
British Antarctic Survey（英国南极调查局）；AI Lab（人工智能实验室）
该研究针对海洋自主航行器集群调度难题，提出混合整数线性规划模型，整合船舶航线实现高效调度，可快速求解大规模集群问题，兼具调度与仿真功能，支持战略决策。
2026-08-28 cs.RO math.OC
Ride-pooling Electric Autonomous Mobility-on-Demand: Joint Optimization of Operations and Fleet and Infrastructure Design
本研究针对支持合乘的电动自主按需出行系统，提出联合优化运营、车队及充电基础设施设计的框架，通过曼哈顿案例验证了合乘可降本最高45%，不同车型适配不同需求区域。
2024-03-11 cs.SY eess.SY math.OC
Electric Autonomous Mobility-on-Demand: Jointly Optimal Vehicle Design and Fleet Operation
本文提出联合优化E-AMoD系统车辆电池容量、车队规模与运营策略的框架，通过混合整数规划与启发式算法求解，并在曼哈顿案例中证明20 kWh电池的小型轻型车队可实现利润最大化。
2023-09-21 cs.SY eess.SY math.OC
Revisit the scheduling problem in Hurdle, V.F., 1973: A novel mathematical solution approach and two extensions
Hurdle（1973）中的调度问题是以一种通用的形式表达的，它同时涉及车辆调度、循环、车队规模和顾客选择。作为一个约束变分问题，几十年来它仍然没有完全解决。借助图形分析方面的技术能力，作者揭示了最优调度率的封闭解（尽管关键变量尚未确定），但仅提出了最优车队规模的下限和上界。此外，这种图形分析方法在计算特定调度问题时缺乏高效率，这些问题通常是大规模的（例如，数百条公交线路）。鉴于此，本文提出了一种新的数学解决方法，首先放松原来的问题，一个无约束的，然后攻击它使用变分法。相应的Euler-Lagrange方程给出了最优调度率的封闭解，Hurdle的结果是其特例。由于所提出的方法，最佳车队规模也可以解决。本文通过形式化求解方法和推广结果，完成了Hurdle（1973）的工作.在此基础上，我们进一步对多起点多终点的一般公交线路调度问题和混合型或模块化公交线路调度问题进行了两个扩展。封闭形式的结果也得到了新的见解。除此之外，我们发现，穿梭/支线的解决方案是一个特殊的情况下，我们的结果一般的公交线路。数值算例验证了所提方法的有效性.
2021-06-10 math.OC
Joint Optimization of Pattern, Headway, and Fleet Size of Multiple Urban Transit Lines with Perceived Headway Consideration and Passenger Flow Allocation
Northwestern University（西北大学）；Argonne National Laboratory（阿贡国家实验室）
本文提出了一种多条城市公共交通线路的联合优化模型，通过优化停靠序列、间隔和车队规模，减少用户成本，提升公共交通服务质量与资源利用效率。
2026-02-08 cs.SY eess.SY math.OC
The Penetration Rate Effect of Connected and Automated Vehicles in Mixed Traffic Routing
Boston University（波士顿大学）
本文研究了在混合交通环境中连接和自动化车辆的路由问题，提出了一种算法以处理CAVs与非CAVs之间的路由交互，并探讨了不同CAV渗透率下系统中心路由的影响，结果表明CAVs的协同路由决策能改善所有车辆的成本并缓解网络拥堵。
2019-05-14 cs.SY eess.SY math.OC
Multi-objective Optimal Trade-off Between V2G Activities and Battery Degradation in Electric Mobility-as-a-Service Systems
本文针对电动出行即服务系统，建立混合整数线性规划模型，在电池退化成本与 V2G 售电收益之间进行多目标权衡，并通过埃因霍温仿真证明 V2G 不影响出行服务数量，但退化成本可能超过 V2G 收益。
2024-05-03 cs.SY eess.SY math.OC
Robust optimization of a broad class of heterogeneous vehicle routing problems under demand uncertainty
本文研究了经典的异构车辆路径问题（HVRP）的扩展模型的鲁棒变形，其中使用具有不同容量、可用性、固定成本和路径成本的混合车队来服务具有不确定需求的客户。作为特殊情况，该模型包括文献中研究的HVRP的所有变体，具有固定和无限的车队规模，客户位置的可达性限制以及多个站点。相反，它的确定性对应，鲁棒HVRP的目标是确定一个最小成本的路线和车队组成，仍然是可行的所有需求实现从一个预先指定的不确定性集。为了解决这个问题，我们开发了鲁棒版本的经典节点和边缘交换的邻域，通常用于局部搜索，并建立有效的评估的本地移动可以实现五个流行的类的不确定性集。建议的本地搜索，然后纳入两个元启发式算法，以确定强大的HVRP解决方案的模块化的方式。使用一个整数规划模型，该模型提供了最优解的下界的元启发式解决方案的质量进行量化。一个广泛的计算研究文献基准表明，所提出的方法使我们能够获得高品质的鲁棒性解决方案，不同的不确定性集和较小的额外努力相比，确定性的解决方案。
2018-10-17 cs.DS math.OC
Optimizing Strategic and Operational Decisions of Car Sharing Systems under Demand Uncertainty and Substitution
针对燃油与电动混合车队共享汽车系统，提出含需求替代的两阶段随机混合整数规划及分支切割分解算法，证明第二阶段矩阵全幺模，并验证其降本增效价值。
2023-07-15 math.OC
A multi-vehicle covering tour problem with speed optimization
带时间窗的多车辆覆盖旅游问题（MCTPTW）的目的是构建一组最大覆盖范围的路线车队，服务（观察）的第二组站点给定一个固定的时间表，覆盖要求和能源限制。该问题被表述为一个混合整数二阶锥规划（MISOCP）模型，是一个扩展的多覆盖旅游问题和车辆路径问题的时间窗下的能量约束。此外，我们研究了一个特殊的情况下，所提出的模型和开发的标记算法来解决其拉格朗日松弛问题，它利用了组合结构所表现出的最优解的拉格朗日松弛。
2019-09-26 math.OC
Arc Routing Problems with Multiple Trucks and Drones: A Hybrid Genetic Algorithm
本文针对多卡车搭载多无人机的乡村邮递员问题（RPP-mTD），提出一种结合保段交叉与局部搜索的混合遗传算法，以最小化完工时间，并通过基准与大规模实例验证其竞争力和可扩展性。
2025-08-25 cs.NE math.OC
Planning of integrated mobility-on-demand and urban transit networks
我们设想了一个多式联运系统，其中按需移动（MOD）服务用于服务的第一英里和最后一英里的过境旅行。为此，本研究建立了一个最优化模型，用于设计一个综合的国防部和城市交通系统。该模型是一个混合整数非线性规划模型，通过乘客分配模型来捕捉乘客在多模式网络中的策略行为。它决定了运营哪些公交线路，运营线路的频率，每个交通分析区为满足需求所需的车队规模，以及道路和公交网络上的客流量。提出了一种改进的Benders分解方法来求解给定的优化程序。计算实验的苏福尔斯多模态网络。结果表明，在城市中心的拥挤与综合交通系统的引入和优化显着改善。拟议的设计将更多的车辆分配给网络中的郊区（以服务于第一英里和最后一英里的公交出行），并将更多的频率分配给市中心的公交路线。与基础优化的公交系统相比，综合系统显著提高了公交乘客的份额和服务水平。对公交车和车队的灵敏度分析表明，增加公交车数量比增加国防部车辆数量对提高乘客服务水平的影响更大。最后，我们提供了部署这种多式联运服务的管理见解。
2022-06-14 math.OC
An exact approach for the multi-depot electric vehicle scheduling problem
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）；University of Augsburg（奥格斯堡大学）
本文针对多车场电动公交车调度问题，提出支持部分充电的图表示及3索引和2索引混合整数线性规划模型，并通过分支切割算法求解，为公交运营商在车队规模、充电次数和能耗之间提供决策支持。
2025-11-06 cs.DM math.OC
Solving Integrated Periodic Railway Timetabling with Satisfiability Modulo Theories: A Scalable Approach to Routing and Vehicle Circulation
本文提出基于可满足性模理论（SMT）的统一优化模型VCR-PESP，联合求解周期性列车时刻表、路由与车辆循环问题，支持连续时间以避免离散化误差，在真实数据实验中有效降低车队需求并提升大规模求解效率。
2025-07-15 math.OC
A Tight Formulation for the Dial-a-Ride Problem
针对DARP路径规划，本文融合两类先进模型提出位置增强事件的紧MILP公式，并以有效不等式和界技术证明其理论紧性，基准实验计算时间平均降低49.7%。
2024-10-02 cs.DM math.OC
An Efficient Robust Approach to the Day-ahead Operation of an Aggregator of Electric Vehicles
电动汽车（EV）的日益增长的使用可能会阻碍它们集成到电力系统中以及由于与它们的驾驶模式相关联的固有随机性而阻碍它们的有效操作。在这项工作中，我们假设一个利润最大化的电动汽车聚合商参与日前的电力市场。聚合器考虑了每个单独电动汽车的技术方面及其驾驶模式的不确定性。我们提出了一个分层优化的方法来表示这个聚合器的决策。上层对利润最大化聚合器对电动汽车车队运营的决策进行建模，而一系列下层问题则根据电池消耗和与市场的能量交换计算最坏情况下的电动汽车可用性曲线。然后，该问题可以等价地转化为一个混合整数线性单级等价给定的下一级问题的约束矩阵的全么模性质和他们的凸性。最后，我们深入分析了分层模型的好处相比，从随机和确定性模型的结果。
2020-06-19 math.OC
The Share-a-Ride Problem with mixed ride-hailing and logistic vehicles
针对混合网约车与物流车辆的共享乘车问题，提出精确求解框架，将NP难问题转化为车辆-行程匹配，并通过并行化压缩计算时间；案例研究表明该模式可同时降低物流成本并增加网约车利润。
2024-03-18 math.OC
Adaptive Large Neighborhood Search Metaheuristic for Vehicle Routing Problem with Multiple Synchronization Constraints and Multiple Trips
针对精准农业喷施作业中两类作业主体协同的多同步约束多行程车辆路径问题，提出带强化局部搜索的自适应大邻域搜索元启发式算法，求解质量较实际方案提升5.61%，可显著降本提效。
2023-12-15 math.OC
A Vehicle Routing Problem for Human-Centered Electric Mobility
University of the Bundeswehr Munich（联邦国防军慕尼黑大学）
本文提出EM-DARP问题，扩展EV-DARP以适应以人为中心的出行服务，通过混合整数线性规划解决，验证了其在实际场景中的应用性。
2026-04-24 cs.SY eess.SY math.CO
Coordinating drones with mothership vehicles: The mothership and multiple drones routing problem with Graphs
本文考虑了协调一艘母舰和一队无人机之间的串联所产生的最优化问题。%以上的无人机。每架无人机都可以从母舰上发射，执行一项操作。在完成操作后，无人机返回母舰充电，并准备进行新的操作。业务包括（部分）访问图与给定的长度提供一些服务或执行一些监督/检查活动。我们的目标是最小化总的加权距离由母舰旅行，同时满足一些要求的百分比访问的目标图。在所有情况下，我们开发精确的配方诉诸混合整数二阶锥程序，比较的实例测试床，以评估其性能。我们还开发了一个数学算法，提供合理的解决方案。计算实验表明，我们的方法在不同的情况下的有用性。
2021-09-03 math.CO math.OC
On the complexity and modeling of the electric vehicle sharing problem
本文引入电动汽车共享问题（EVSP），证明其为NP-hard问题，提出四种基于时空网络流的混合整数线性规划公式，并通过基准集实验验证了最佳公式的有效性。
2022-02-25 cs.CC math.OC
Fast Continuous and Integer L-shaped Heuristics Through Supervised Learning
Université de Montréal（蒙特利尔大学）；Polytechnique Montréal（蒙特利尔理工学院）；Jacobs Technion-Cornell Institute（雅各布斯泰克尼翁-康奈尔研究院）；Cornell Tech（康奈尔理工学院）；Technion（以色列理工学院）
我们提出了一种方法，在运筹学和机器学习（ML）的关系，利用通用近似器可从ML加速混合整数线性两阶段随机规划的解决方案。我们的目标是解决第二阶段要求很高的问题。我们的核心思想是通过用快速但准确的监督ML预测替代精确的第二阶段解决方案，大幅减少在线解决方案的时间，同时小幅降低第一阶段解决方案的准确性。当类似的问题随着时间的推移而反复解决时，这种对ML的前期投资将是合理的，例如，在与车队管理，路由和集装箱堆场管理相关的运输规划中。我们的数值结果集中在问题类解决的整数和连续的L形切割。我们广泛的实证分析是基于标准化家庭的问题，来自随机服务器位置（SSLP）和随机多背包（SMKP）的问题，在文献中。所提出的方法可以解决最困难的SSLP的情况下，在小于9%的时间，它需要的最先进的精确方法，在SMKP的情况下，相同的数字是20%。在大多数情况下，平均最优性差距小于小于0.1%。
2022-06-10 cs.LG math.OC
Joint Routing and Charging Problem of Multiple Electric Vehicles: A Fast Optimization Algorithm
随着商业的蓬勃发展，物流问题得到了越来越多的关注，这就是经典的最优车辆路径问题。同时，近年来电动汽车在物流车队中得到了广泛的应用，以减少温室气体的排放。以充电时间、充电成本、电动汽车行驶时间、电动汽车使用费和服务客户收益为目标函数的多电动汽车联合路径选择和充电最优化问题亟待解决。该联合问题被表述为一个混合整数规划（MIP）问题，然而，由于路由和计费决策之间耦合的整数限制和双线性项，该问题是NP难的。本文的主要贡献在于提出了一种有效的两阶段算法，该算法通过利用线性规划（LP）松弛的精确性和消除耦合项，将原始MIP问题分解为两个线性规划（LP）问题。该算法可以在多项式时间内获得一个近似最优解。此外，在两阶段算法的基础上提出了另一种改进算法，进一步提高了解的质量。
2021-05-12 cs.SY eess.SY math.OC
A Multi-Objective approach to the Electric Vehicle Routing Problem
电动汽车路径问题（EVRP）已经引起了研究人员和工业家的极大兴趣，他们试图从燃油汽车转向更健康，更高效的电动汽车（EV）。虽然EVRP似乎与传统的车辆路径问题（VRP）没有太大区别，但诸如巡航时间有限，充电时间长以及电动汽车充电设施有限等挑战使得所有这些问题都有所不同。以前的工作目标是物流和交付相关的解决方案，其中商业电动汽车的同质车队必须在多次停靠后返回初始点。在相反的方面，我们解决了一个个人电动汽车路由问题，并提供了一个最佳的路线，为一个单一的车辆在一个长的起点-目的地（OD）的行程。我们执行多目标优化-最小化总行程时间和充电的累积成本。此外，我们将外部和现实生活中的元素，如在充电站的交通，到达充电站的绕行距离，以及不同充电站的电力可变成本纳入问题的制定。特别是，我们定义了一个多目标混合整数非线性规划（MINLP）问题，并获得了一个可行的解决方案，使用$ε$约束算法。我们进一步实施元启发式技术，如遗传算法（GA）和粒子群优化（PSO），以获得最优的路线，因此，目标值。针对多个自生成数据实例进行了实验，并对结果进行了比较。
2022-08-26 cs.NE math.OC
A vehicle routing problem for biological sample transportation in healthcare: mathematical formulations and a metaheuristic approach
在本文中，一个现实世界中的运输问题的解决，关于收集和运输的生物样本管从采样点的主要医院。血液和其他生物样本在早上在不同的中心收集。然后，由分布在不同地理位置的车队将样本运送到主要医院进行分析。每个样本都有一个有限的寿命，必须在此时间内到达主要医院。如果样本不能在生命周期内到达医院，要么被丢弃，要么必须在称为辐条中心的专用设施中进行处理。两个混合线性规划公式和自适应大邻域搜索（ALNS）元启发式算法已被开发的问题。不同的实例集的基础上提供的真实生活中的数据，意大利博洛尼亚的地方医疗保健管理局的计算实验。通过对小样本问题的求解结果与最优解的比较，验证了算法的有效性。在现实生活中的实例中，不同的样本的策略进行了评估。结果表明，ALNS算法能够找到所有样本都按时交付的解决方案，而在实际情况下，大约40%的样本[5]延迟交付。
2021-03-12 math.CO math.OC physics.soc-ph
