A review of approaches to modeling applied vehicle routing problems
Adeptik
由于车辆路径问题(VRP)的实际重要性,解决此类问题的算法和(Meta)启发式方法的研究不断增加。然而,VRP域的多样性创建了对这些问题进行建模的单独问题-描述域实体(特别是规划决策),有效规划决策集以及不同计划之间的偏好。在本文中,我们回顾了车辆路径问题的建模方法。为了使比较更直接,我们制定了几个标准,反映了实际要求的优化算法的发展,这些问题的建模方法进行评估。最后,作为这种比较的结果,我们讨论了几个未来的研究途径,在该领域的建模VRP域。
2021-05-23 cs.AI
A Computational Study of Genetic Crossover Operators for Multi-Objective Vehicle Routing Problem with Soft Time Windows
University of Hohenheim(霍恩海姆大学)
通过对带软时间窗的车辆路径问题的求解,研究了遗传算法在多目标组合优化(MOCO)中的有效性。这项工作的动机问题,如果以及如何的问题结构影响的有效性不同配置的遗传算法。不同类别的车辆路径问题的计算结果,不同的时间窗口,时间窗口的大小,分布和客户数量的覆盖范围。结果进行了比较,一个简单的,但有效的多目标组合优化问题的局部搜索方法。
2008-09-02 cs.AI
Fleet Size and Mix Split-Delivery Vehicle Routing
The Australian National University(澳大利亚国立大学);Data61
在经典的车辆路径问题(VRP)中,车队必须访问一组客户,同时使运营成本最小化。我们研究了VRP的丰富变体,其具有拆分交付、异构车队和车辆与商品不兼容限制。我们的目标是双重的:定义最便宜的路线和最充足的车队。为此,我们将问题分为两个相互依赖的组件:车队设计组件和路由组件。首先,我们为每个组件定义了两个混合可编程(MIP)配方。然后我们讨论了有效割和对称破缺约束形式的几种改进。本文的主要贡献是比较这丰富的VRP的四个模型。我们强调他们的优势和弱点,广泛的实验。最后,我们探讨了一个轻量级的约束编程(CP)的集成。我们使用一个快速CP模型,它给出了很好的解决方案,并使用该解决方案来热启动我们的模型。
2016-12-06 cs.AI
The Bees Algorithm for the Vehicle Routing Problem
University of Auckland(奥克兰大学);vWorkApp Inc.(vWorkApp公司)
在这篇论文中,我们提出了一个新的算法,称为增强蜜蜂算法的车辆路径问题。它是改编自一个相当新的算法,蜜蜂算法,这是连续优化问题。我们表明,通过增强蜜蜂算法获得的结果是有竞争力的最佳元算法可用于车辆路径问题(在0.5%的最佳解决方案为常见的基准问题)。我们表明,该算法具有良好的运行时性能,在60秒内产生的结果在2%的最优解,使其适合在现实世界中使用的调度场景。
2016-05-18 cs.AI cs.NE
RouteRepair: Instance-Level Failure Diagnosis and Targeted Repair in LLM-Based Automated Heuristic Design for Routing Optimization
Southeast University(东南大学)
RouteRepair通过实例级故障诊断和定向修复,在TSP和CVRP上显著提升LLM生成的启发式算法性能,同时不损害已有优势。
2026-09-11 cs.AI
Trilevel Memetic Algorithm for the Electric Vehicle Routing Problem
University of Zagreb Faculty of Electrical Engineering and Computing(Zagreb大学电子工程与计算学院)
本文提出三层模因算法(TMA),分层优化客户序列、路线分配和充电站插入,结合遗传算法与动态规划求解电动汽车路径规划问题,在WCCI2020基准上取得有竞争力的结果。
2025-06-01 cs.AI cs.NE
A framework for the interactive resolution of multi-objective vehicle routing problems
Universität Hohenheim(霍恩海姆大学)
本文提出了一个框架,解决丰富的车辆路径问题,这是很难解决的标准优化技术。我们在可变邻域搜索的基础上使用局部搜索来构建解决方案,但将这些技术嵌入到灵活的框架中,该框架允许考虑问题的复杂侧约束,例如时间窗口、多个仓库、异构车队,特别是多个优化标准。为了确定一个折衷的替代方案,满足决策者的要求,一个互动的过程中集成的问题的解决方案,允许修改的偏好信息阐述的决策者。该框架原型地在计算机系统中实现。第一个结果的测试运行多个仓库车辆路径问题的时间窗口的报告。
2008-09-03 cs.AI
Multi-Objective Vehicle Routing Problem Applied to Large Scale Post Office Deliveries
School of Technology, University of Campinas(坎皮纳斯大学技术学院)
在组合领域中的优化技术的数量是大的和多样化的。然而,用于测试算法的基于真实世界的基准很少。这项工作创建了一个可扩展的现实世界的邮件递送基准车辆路径问题(VRP)在平面图嵌入在二维欧几里德空间。这样的问题在路线图上是多目标的,每天多达25辆车和30,000次交付。每个实例都模拟一个普通的邮件递送日,允许比较和验证路由问题的优化算法。该基准可以扩展到模拟其他场景。
2017-12-23 cs.AI cs.CC
Neural Deconstruction Search for Vehicle Routing Problems
Bielefeld University, Germany(弗赖堡大学);University of British Columbia, Canada(不列颠哥伦比亚大学)
针对车辆路径问题,提出由神经策略解构解、结合贪心插入算法重建的迭代搜索框架,在多类问题上性能达到或超越现有最优运筹学方法。
2025-10-06 cs.AI cs.LG
Hybrid 2-stage Imperialist Competitive Algorithm with Ant Colony Optimization for Solving Multi-Depot Vehicle Routing Problem
Brunel University London(伦敦布鲁内尔大学)
多配送中心车辆路径问题(MDVRP)是一个考虑如何满足多个配送中心的客户需求的简化车辆路径问题(VRP)的世界模型。本文介绍了一种基于两种基于种群的算法的混合2阶段方法-蚁群优化(ACO),模仿蚂蚁行为的性质和帝国主义竞争算法(ICA),是基于国家之间的地缘政治关系。在所提出的混合算法中,ICA是负责客户分配到仓库,而ACO是路由和排序的客户。该算法进行了比较,非混合ACO和ICA以及其他四个国家的最先进的方法在23个常见的Cordreaus基准实例。结果表明,简单的ACO和ICA的明显改善,并表现出非常有竞争力的结果相比,其他竞争对手的算法。
2020-04-07 cs.AI cs.NE
Demand Acceptance using Reinforcement Learning for Dynamic Vehicle Routing Problem with Emission Quota
本文提出了一种结合动态需求接受和路径规划的新型车辆路径问题,通过两层优化框架实现前瞻性需求拒绝和新路径生成,结合强化学习与组合优化技术进行研究。
2026-02-27 cs.AI cs.LG
Green vehicle routing problem that jointly optimizes delivery speed and routing based on the characteristics of electric vehicles
本文针对电动汽车绿色车辆路径问题,构建考虑车辆物理特性和启停、速度、负载等因素的能耗模型,提出负载优先速度优化算法与改进自适应遗传算法联合优化配送速度与路径,实验证明可显著降低能耗并丰富GVRP模型。
2024-10-04 cs.AI cs.CE cs.NE
Neural Large Neighborhood Search for the Capacitated Vehicle Routing Problem
Bielefeld University(比勒费尔德大学)
学习如何自动解决优化问题有可能提供优化技术的下一个大飞跃。近年来,自动学习算法在路由问题上的性能一直在稳步提高,但纯粹基于机器学习的方法仍然优于最先进的优化方法。为了缩小这一性能差距,我们提出了一种新的大邻域搜索(LNS)框架的车辆路径,集成了学习的启发式生成新的解决方案。该学习机制基于具有注意力机制的深度神经网络,并经过专门设计,可集成到LNS搜索设置中。我们评估我们的方法上的能力限制的车辆路径问题(CVRP)和拆分交付车辆路径问题(SDVRP)。在最多297个客户的CVRP实例上,我们的方法明显优于仅使用手工算法和文献中众所周知的启发式算法的LNS。此外,我们证明了CVRP和SDVRP,我们的方法超越了现有的机器学习方法的性能,接近最先进的优化方法的性能。
2020-11-30 cs.AI stat.ML
Quantum Reinforcement Learning with Transformers for the Capacitated Vehicle Routing Problem
Department of Computer Science and Artificial Intelligence(计算机科学与人工智能系);University of Granada(格拉纳达大学)
本文提出利用量子强化学习与变压器架构解决有容量限制的车辆路径问题,通过混合模型实现更高效、稳健的路由策略。
2026-02-05 cs.AI cs.ET
A concise guide to existing and emerging vehicle routing problem variants
Pontifícia Universidade Católica do Rio de Janeiro(里约热内卢天主教大学);CIRRELT(企业网络、物流与运输跨大学研究中心);HEC Montréal(蒙特利尔高等商学院);University of Vienna(维也纳大学)
在过去的六十年里,车辆路径问题一直是广泛研究的焦点,这是由于其经济重要性和理论兴趣。应用的多样性激发了对具有不同属性的无数问题变体的研究。在本文中,我们提供了现有和新出现的问题变体的简要概述。模型通常沿着三条线进行改进:考虑更相关的目标和性能指标,将车辆路径评估与其他战术决策相结合,以及捕获现代供应链的细粒度但重要的方面。我们在这个结构化的框架内组织主要的问题属性。我们讨论了最近的研究方向,并指出目前的缺点,最近的成功,和新出现的挑战。
2020-04-05 cs.AI cs.DM cs.DS
Comparative Analysis of Ant Colony Optimization and Google OR-Tools for Solving the Open Capacitated Vehicle Routing Problem in Logistics
Faculty of Computer Science(计算机科学学院);MSA University(MSA大学)
本研究对比了蚁群优化(ACO)与Google OR-Tools两种方法求解物流领域开放式容量约束车辆路径问题(OCVRP)的性能,发现ACO参数灵活,OR-Tools速度更快、一致性更强、输入需求更低,可为实时物流系统路径策略选择提供参考。
2025-09-30 cs.AI cs.CL
Efficient Neural Combinatorial Optimization Solver for the Min-max Heterogeneous Capacitated Vehicle Routing Problem
本文提出ECHO求解器,通过双模态节点编码器捕捉局部拓扑关系,利用参数自由交叉注意力机制缓解短视决策,结合车辆置换不变性和节点对称性设计数据增强策略,提升异质容量车辆路径问题求解性能。
2026-03-15 cs.AI cs.LG
Multi-Decoder Attention Model with Embedding Glimpse for Solving Vehicle Routing Problems
Nanyang Technological University(南洋理工大学);Shandong University(山东大学);National University of Singapore(新加坡国立大学)
我们提出了一种新的深度强化学习方法来学习车辆路径问题的构造算法。具体而言,我们提出了一种多解码器注意力模型(MDAM)来训练多个不同的策略,与现有的只训练一个策略的方法相比,有效地增加了找到好的解决方案的机会.设计了一种自定义的束搜索策略,充分利用MDAM的多样性。此外,我们提出了一个嵌入Glimpse层在MDAM的基础上的递归性质的建设,它可以通过提供更多的信息嵌入,提高每个政策的质量。在六个不同的路由问题上的广泛实验表明,我们的方法显着优于最先进的基于深度学习的模型。
2020-12-19 cs.AI cs.LG
An SMT Based Compositional Algorithm to Solve a Conflict-Free Electric Vehicle Routing Problem
Chalmers University of Technology(查尔姆斯理工大学)
车辆路径问题(Vehicle Routing Problem,VRP)是一种组合优化问题,它以成本函数(通常是车辆数量或总行驶距离)最小化的方式设计车辆访问客户的路径。这个问题在工业场景中得到了应用,例如,自动引导车辆在工厂中运行,从仓库运送组件。这个特定的问题,此后称为电动无障碍车辆路径问题(CF-EVRP),涉及的约束,如有限的车辆的运行范围,交付给客户的时间窗口,以及有限的容量上的车辆数量的路段可以容纳在同一时间。这样一个复杂的系统导致一个大的模型,不能很容易地解决在合理的时间内达到最优。因此,我们开发了一个组合模型,将问题分解为更小更简单的子问题,并为原始问题提供次优的可行解决方案。该算法利用SMT求解器的优势,这在我们以前的工作中被证明是一种有效的方法来处理调度问题。与用SMT标准语言编写并使用最先进的SMT求解器求解的CF-EVRP的整体模型相比,发现组合模型的速度明显更快。
2021-06-30 cs.AI cs.SY eess.SY
Integrated Vehicle Routing and Monte Carlo Scheduling Approach for the Home Service Assignment, Routing, and Scheduling Problem
Brown University(布朗大学)
我们制定和解决的H-SARA问题,车辆路径和预约调度问题的家庭服务管理的动机。我们假设旅行时间,服务持续时间和客户取消是随机的。我们使用一个两阶段的过程,首先使用带有可选扩展的VRP求解器生成团队和路线,然后使用MC计算器确定团队在客户处的预期到达时间。我们进一步介绍了两种不同的模型的取消及其相关的影响路由和调度。最后,我们介绍了路由断裂元启发式算法,它通过替换表现最差的团队来迭代改进H-SARA解决方案。我们提出的见解的问题和一系列的数值实验,说明属性的最佳路由,调度,和影响的路线断裂元启发式两种模型的取消。
2021-06-30 cs.AI math.OC
An integrated mixed integer program model for the two-level capacitated vehicle routing problem with extensions
介绍了两层能力约束车辆路径问题(2S-CVRP)。该问题将两级装箱问题和车辆路径问题结合到一个集成框架中。该问题本身是一个NP难问题,可以看作是对传统的容量限制车辆路径问题(CVRP)的扩展。我们提出这种扩展,因为它使人们能够模拟更多的现实生活中的物流应用程序。提出了一种求解该问题的混合整数规划模型。我们的MIP模型包括一组广泛的约束条件,在现实世界中遇到的应用。该模型的有效性进行了测试,人工和现实生活中的实例。
2022-10-13 math.OC
Embedding Assignment Routing Constraints through Multi Dimensional Network Construction for Solving the Multi Vehicle Routing Problem with Pickup and Delivery with Time Windows
带时间窗集货配送的多车辆路径问题是一类具有挑战性的车辆路径问题。在本文中,通过嵌入许多复杂的分配路由约束,通过构建一个多维网络,我们打算达到最优的本地集群来自一个合理的大集合的乘客在现实世界的交通网络。更具体地说,我们引入了一个多车辆状态空间时间网络表示,其中只有非支配分配为基础的超路径进行检查。此外,借助于本文定义的乘客累积服务模式,我们的解决方案能够控制对称性问题,一个常见的问题,在组合问题。最后,对Ropke和Cordeau 2009提出的算例和Tempe市Phoenix分区随机生成的数据集进行了大量的计算,结果表明了本文算法的计算效率和解的最优性.
2016-07-06 math.OC
A Two Stage Vehicle Routing Algorithm Applied to Disaster Relief Logistics after the 2015 Nepal Earthquake
2015年4月尼泊尔地震后,喜马拉雅救灾志愿者小组向受灾地区分发物资。我们模型HDRVG的业务作为一个车辆路径问题,使用Fisher和Jaikumar的两阶段方法,通过一个整数规划,然后使用物流配送车辆的位置分配。在分配阶段,我们使用分配问题公式来分配位置的车辆。在路由阶段,为了便于比较,我们实现了多个路由。我们的研究结果说明了车辆路径问题的开放性和计算的必要性。
2017-09-01 math.OC
Green Vehicle Routing Problem: State of the Art and Future Directions
绿色车辆路径问题(GVRP)旨在考虑温室气体排放量的减少,同时路由的车辆。它可以通过采用替代燃料车辆(AFV)或车队中现有的传统化石燃料车辆来实现。GVRP还考虑到运输和物流方面的环境可持续性。我们严格审查GVRP的几个变化和专业化,以解决与充电,皮卡,交付和能源消耗有关的问题。从GVRP的概念和定义开始,我们总结了GVRP出版物的关键要素和贡献者。最后,对绿色车辆路径问题进行了综述,并在此基础上提出了未来的研究方向和面临的挑战。有人指出,以前的出版物的主要重点是业务层面的路由决定,而不是供应链问题。大多数出版物使用元启发式方法,而忽略了新兴的机器学习方法。我们设想,除了机器学习之外,强化学习、分布式系统、车联网(IoV)和新燃料技术在进一步发展GVRP研究方面发挥着重要作用。
2022-02-03 math.OC
Deep Learning Based Proactive Multi-Objective Eco-Routing Strategies for Connected and Automated Vehicles
Laboratory of Innovations in Transportation (LiTrans)(交通创新实验室);Ryerson University(瑞尔森大学)
本研究利用信息和通信技术(ICT)、互联和自动驾驶车辆(CAV)以及传感技术的进步,制定积极主动的多目标生态路由策略。为了一个强大的应用程序,几个温室气体成本核算方法进行了审查。利用带有外生预测因子的长短期记忆深度网络建立了链路级流量和排放状态的预测模型。结果发现,积极主动的路由策略优于近视的策略,无论路由目标。无论是短视还是前瞻性的,多目标路由,旅行时间和温室气体最小化为目标,优于单目标路由策略,导致平均旅行时间(TT),平均车辆行驶公里数(VKT),总温室气体和总氮氧化物分别减少了17%,21%,18%和20%。最后,网络中车辆经历的额外TT和VKT对网络中产生的GHG和NOx的量产生了不利影响。
2020-12-27 cs.AI cs.LG cs.MA
Vehicle Routing for the Last-Mile Logistics Problem
能源消耗是物流运输成本不断增长的主要原因。最优车辆路径方法可以提供解决方案,以降低其运营成本和解决能源的影响。本文提出了一种求解单车场容量受限的车辆路径问题的方法,目标是最小化日运营成本,运输车辆为同质车队。利用模拟退火算法对该问题进行求解,为车辆在车场和目的地之间的行驶提供最优路径。仿真结果表明,该方法能有效地推荐最优路径,降低运营成本。我们建议的方法的补充信息和视频可以在https://sites.google.com/view/ud-ids-lab/last-mile上找到
2020-01-23 math.OC
Path Planning for Cooperative Routing of Air-Ground Vehicles
我们考虑一个合作车辆路径问题的监视和侦察任务与车辆之间的通信约束。我们提出了一个框架,其中涉及一个地面车辆和一个飞行器的车辆行驶合作满足通信限制,并访问一组目标。本文提出了一种混合整数线性规划(MILP)的形式,并发展了一种分支切割算法来解决地面和空中飞行器的路径规划问题。所提出的方法的有效性是通过大量的计算实验几个随机生成的实例证实。
2016-05-31 math.CO math.OC
Coordinating mobile network coverage and vehicle routing: a double column generation approach
本文提出一种双列生成算法求解带时间窗的联合作业发射车辆路径问题,协调任务车辆与移动发射车辆作业以保障5G网络覆盖,经加速优化后算法在大小规模算例中均表现出优异的计算性能与可扩展性。
2023-12-13 math.OC
Workload Equity in Multi-Period Vehicle Routing Problems
在实际部署车辆路径规划解决方案时,公平分配工作量至关重要。因此,以往的研究都是以工作负载平衡为目标或约束条件,在路径成本和工作负载公平性之间进行权衡。这些方法考虑的是一个单一的规划期;然而,在实践中,往往在几天内寻求公平。在这项工作中,我们表明,在多个时期的工作量公平可以实现不影响运输成本时,规划范围是足够大的。为了实现这一目标,我们设计了一个两阶段的方法来解决多周期车辆路径问题的工作量平衡。首先,我们的方法为每个周期产生最小距离的解决方案。接下来,将生成的路线分配给驾驶员,以在规划范围内获得公平的工作量。我们进行了广泛的数值实验,以衡量所提出的方法的性能和不同的规划范围长度的工作量公平的水平。对于五天或更长时间的视野,我们观察到,接近最佳的工作量公平和最佳路由成本是共同实现的。
2022-06-29 math.OC
Cooperative Routing for an Air-Ground Vehicle Team -- Exact Algorithm, Transformation Method, and Heuristics
本文考虑了一个合作车辆路径问题的情报,监视和侦察任务中存在的车辆之间的通信约束。建议的框架使用地面车辆和无人机(UAV)的旅行合作,并访问一组目标,同时满足通信约束。该问题被表述为一个混合整数线性规划,并开发了一个分支和切割算法来解决问题的最优性。此外,转换方法和启发式的问题也被开发。所有的算法的有效性,通过大量的计算实验几个随机生成的实例得到证实。
2019-02-28 math.OC
An analytical bound on the fleet size in vehicle routing problems: a dynamic programming approach
我们提出了一个分析的上界所需的车辆数量的车辆路径问题与分裂交付和任何数量的容量限制的仓库。我们表明,舰队规模大于建议的界限是无法实现的基础上,一组共同的假设。通过动态规划方法证明了上界的这一性质。我们还讨论了各种各样的路由问题,或没有分裂交付的有效性的界限。
2020-04-11 cs.DM math.OC
Optimal Solution of Vehicle Routing Problems with Fractional Objective Function
本文首次对分数阶目标函数车辆路径问题(vrpfof)进行了广泛的分析。我们调查的主要技术,无论是在分式规划的背景下,或在车辆路径问题的相互作用。我们提出了新的双重和原始的边界程序已被纳入一个确切的方法。所提出的方法允许扩展\vrp \的特定变体到其对应的分数目标函数。大量的数值实验证明了我们的方法的有效性。
2018-04-10 math.CO math.OC
A Statistical Comparison of Objective Functions for the Vehicle Routing Problem with Route Balancing
带路径平衡的车辆路径问题(Vehicle Routing Problem with Route Balancing,VRPRB)是原车辆路径问题(Vehicle Routing Problem,VRP)的一个双目标问题,它除了最小化车辆行驶距离外,还追求路径负载的平衡。不同的目标函数(OFs),以实现平衡的路由配置已在文献中提出,然而,据作者所知,仍然没有达成共识的OF是最合适的一个解决,通过元分析,这个具有挑战性的多目标最优化问题。本文探讨了VRPRB的七种不同的OFs的有效性。他们的影响的性能的一个基本的单一的解决方案为基础的进化算法进行了分析,通过比较质量的Pareto近似的一组著名的基准实例。研究结果表明,研究VRPRB的替代评估方案是未来研究的一个非常有价值的方向,值得更多的关注。
2017-02-18 math.OC
A Time-Constrained Capacitated Vehicle Routing Problem in Urban E-Commerce Delivery
电动汽车路线问题可能是特别复杂的充电时,必须执行中途路线。然而,在诸如电子商务包裹递送卡车路线的一些应用中,由于车辆容量和最大允许递送时间的限制,中途再充电可能是不必要的。在这项研究中,我们开发了一个混合整数最优化模型,精确地解决了这样一个时间约束的能力限制的车辆路径问题,特别是感兴趣的电子商务包裹递送车辆。我们将我们的解决方案与现有的元启发式方法进行比较,并考虑四个美国城市-德克萨斯州奥斯汀;布卢明顿,IL;芝加哥,IL;和底特律,MI -以及两种车辆类型:传统车辆和电池电动汽车(BEV)进行详尽的案例研究。在这些研究中,我们研究了车辆容量、最大允许行驶时间、服务时间(实际交付包裹的停留时间)和BEV范围对系统级性能指标(包括车辆行驶里程(VMT))的影响。我们发现,服务时间其次是车辆容量起着关键作用,我们的方法的性能。我们假设80英里的BEV范围作为基线,没有中途充电。我们的研究结果表明,BEV范围对性能指标的影响最小,因为每辆车的VMT平均约为72英里。在共享经济包裹交付的案例研究中,我们观察到,如果服务提供商联合运营他们的配送中心,奥斯汀的VMT可以减少38.8%。
2022-09-30 math.OC
Energy-aware Vehicle Routing in Networks with Charging Nodes
研究了具有能量约束的车辆在至少有一些充电节点的网络中的路径问题。我们希望尽量缩短载具到达目的地的总时间,方法是厘定路缐,以及在载具没有足够能源作整段行程之用的情况下,厘定充电量。对于一个单一的车辆,我们制定了一个混合整数非线性规划(MINLP)的问题,并推导出的最优解的属性,允许它被分解成两个更简单的问题。对于一个多车辆的问题,其中包括交通拥堵的影响,我们使用了类似的方法,通过分组车辆到子流。我们还提供了一个替代的流量优化配方,导致计算简单的问题解决方案,精度损失最小。数值结果来说明这些方法。
2014-01-25 math.OC
An Adaptive Iterated Local Search Heuristic for the Heterogeneous Fleet Vehicle Routing Problem
异构车队车辆路径问题(HFVRP)是经典的有能力约束车辆路径问题(CVRP)的一个重要变种,其目标是寻找最小化异构车队总行驶成本的路径。鉴于其在许多工业和商业应用中的重要性,这个问题是非常感兴趣的。在本文中,我们提出了一种自适应迭代局部搜索(AILS)启发式HFVRP。AILS是一种基于局部搜索的元启发式算法,在CVRP中取得了良好的效果。AILS的主要特点是它的自适应行为,允许在搜索过程中探索的解决方案的多样性控制的调整。HFVRP的拟议AILS在包含多达360个客户的基准实例上进行了测试。计算实验结果表明,AILS在87%的实例上优于最先进的元分析方法.
2021-11-24 math.OC
New instances for maximum weight independent set from a vehicle routing application
我们提出了一组新的最大权独立集问题的例子。这些实例来自于现实世界的车辆路径问题,并且部分由于其尺寸大而具有挑战性。我们目前的实例有多达88.1万个节点和3.83亿条边。
2021-05-27 cs.DS math.OC
BROUTE: a benchmark suite for the implementation of standard vehicle routing algorithms
我们介绍BROUTE,车辆路径优化算法的基准套件。我们定义了传统上用于车辆路径优化的算法的选择。它们捕获了在不同应用领域的优化算法中也相关的基本功能,例如本地搜索移动评估、内存分配、动态规划或从列表中插入和删除。每个算法都是确定性的。我们实现这些基准算法使用选择的程序设计语言和不同的数据结构。BROUTE是免费的,开源的,可用于在涉及编程的项目中为早期决策提供信息,例如使用哪种语言。
2021-12-02 cs.DS math.OC
Eco-Routing of Plug-In Hybrid Electric Vehicles in Transportation Networks
研究了插电式混合动力汽车的生态路由问题,以最小化总能耗成本。与传统的电量耗尽第一(CDF)的方法在文献中的动力传动系统控制策略是固定的,我们提出了一个组合路由和动力传动系统控制(CRPTC)算法,可以同时计算最佳的能量路线,以及最佳的动力传动系统控制策略。为了验证我们的方法,我们应用我们的生态路由算法的一个子网的东马萨诸塞州(EMA)交通网络使用实际交通数据提供的波士顿地区大都市规划组织。作为替代基准,我们还使用从上述流量数据集中提取的流量数据来模拟网络的流量行为。我们表明,CRPTC的方法优于传统的CDF方法,我们量化的权衡节省能源和时间,使用生态路由算法。
2018-10-02 math.OC
Optimal Routing of Energy-aware Vehicles in Networks with Inhomogeneous Charging Nodes
研究了能量有限的车辆通过非均匀充电节点网络的路径问题。这比[1]中研究的均匀节点情况复杂得多。我们寻求最小化车辆到达目的地的总耗时,同时考虑车辆在整个旅程中没有足够能量时的节点处的行驶和充电时间。我们研究两个版本的问题。在单车辆路径问题中,我们制定了一个混合整数非线性规划(MINLP)问题,并表明它可以减少到一个较低的维数问题,利用性能的最优解。我们还获得了一个线性规划(LP)的制定,使我们能够分解成两个更简单的问题,产生近最优解。对于一个多车辆的问题,其中包括交通拥堵的影响,我们使用类似的方法,通过分组车辆到“子流”。我们还提供了一个替代的流量优化配方,导致计算简单的问题解决方案,精度损失最小。数值结果来说明这些方法。
2014-04-24 math.OC
Collaborative vehicle routing: a survey
University of Vienna(维也纳大学)
在横向合作中,承运人结成联盟,以便共同执行其部分物流业务。通过相互交换运输请求,它们可以更有效地运营,并以更可持续的方式运营。协作车辆路径已在文献中得到广泛讨论。我们确定了三个主要的研究流:(i)集中的协作规划,(ii)分散的计划,没有拍卖,(ii)基于拍卖的分散的规划。对于他们中的每一个,我们给出了一个结构化的知识状态的概述,并讨论未来的研究方向。
2017-06-13 cs.AI cs.CY cs.MA
Finding optimal solutions for vehicle routing problem with pickup and delivery services with time windows: A dynamic programming approach based on state-space-time network representations
按需运输系统和共乘服务的优化涉及到解决一类具有时间窗的复杂车辆路径问题(VRPPDTW)。本文首先提出了一个新的时间离散化的多商品网络流模型的VRPPDTW的车辆运载状态的集成的时空运输网络,使联合优化的车辆到车辆的分配和转弯的路线在拥挤的运输网络。我们的三维状态空间-时间网络结构是能够全面列举可能的运输状态在任何给定的时间沿车辆时空路径,并进一步允许向前动态规划解决算法来解决单车辆VRPPDTW问题。通过利用拉格朗日松弛方法,原始多车辆路径问题被分解为一系列的单车辆路径子问题,与拉格朗日乘子的个人乘客请求被更新的子梯度算法。我们进一步讨论了一些搜索空间减少策略和测试我们的算法,通过一个专门的程序在C++中,中型和大型的交通网络,即芝加哥素描和凤凰城区域网络。
2016-04-11 cs.DS 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
Energy-Efficient Routing for Electric Vehicles under Acceleration and Load Effects
Xiamen University(厦门大学);Beihang University(北京航空航天大学);Shenzhen Research Institute of Big Data(深圳大数据研究院)
本文提出了一种考虑加速和负载效应的电动车路由优化方法,通过改进模型和算法有效降低能耗,并在真实数据中验证了其有效性。
2025-11-23 math.OC
The Mobile Production Vehicle Routing Problem: Using 3D Printing in Last Mile Distribution
我们研究了一个新的变种的车辆路径问题,称为移动生产车辆路径问题(MoP-VRP)。在这个问题中,车辆配备了3D打印机,生产在通往客户的路上进行。目标是尽量减少因旅行和服务延误而产生的加权成本。我们制定了一个混合整数规划(MIP)模型,并开发了自适应大邻域搜索(ALNS)启发式算法。为了显示移动生产的优势,我们比较的问题与中央生产车辆路径问题(CP-VRP),生产发生在一个中央仓库。我们还提出了一个有效的ALNS的CP-VRP。我们生成的基准实例的基础上车辆路径问题的时间窗口(VRPTW)基准实例,和现实的情况下,根据丹麦公司3D Printhuset提供的现实生活中的数据。总的来说,这两个问题的建议ALNS是有效的,我们解决了200个客户在很短的计算时间内的实例。我们测试了不同的场景,每辆车中的机器数量不同,生产时间也不同。结果表明,这些因素是影响行程和延误成本的关键因素。移动生产的关键优势在于灵活性:它可以缩短从开始生产到交付产品的时间跨度,同时降低交付成本。此外,长期的成本估算表明,该技术具有较低的运营成本,因此在实际生活中是可行的。
2022-02-25 math.OC
A hybrid heuristic algorithm with application to a graphical interface for vehicle routing optimization in an agricultural cooperative
这项工作考虑了一个真正的农业合作社,在合作伙伴之间分配动物饲料的车辆的路线优化的问题。由于求解精确的模型是计算负担,我们建议实现启发式算法。因此,首先通过插入启发式算法获得初始解。其次,我们设计了一个模拟退火算法的可能改进的初始解。最后,我们构建了一个图形界面,可以快速轻松地与系统进行交互。
2016-07-08 math.OC
Resource-robust valid inequalities for vehicle routing and related problems
本文针对车辆路径问题中的分支-定价-切割算法,提出资源鲁棒应用概念及新的资源鲁棒有效不等式,并在带容量约束的VRP上验证了计算收益。
2025-08-19 math.OC
Comparison of Randomized Solutions for Constrained Vehicle Routing Problem
本文研究了容量受限的车辆路径问题(CVRP)及其随机蒙特卡罗方法求解。为了解决CVRP,我们使用一些在实践中常用的伪随机数发生器。我们使用线性,多重递归,反演,和显式反演同余生成器,并获得随机数从每个CVRP提供一个路由。然后,我们比较了伪随机数发生器的性能相对于随机路由的总时间。我们还建立了一个开源的库github.com/iedmrc/binary-cws-mcs上解决CVRP基于蒙特卡洛的启发式方法。
2020-05-12 math.OC
A Scenario Decomposition Algorithm for Strategic Time Window Assignment Vehicle Routing Problems
我们研究的战略决策问题,分配时间窗口的车辆路径应用程序的操作不确定性的背景下,客户。该问题被称为时间窗分配车辆路径问题(Time Window Assignment Vehicle Routing Problem),可以看作是一个两阶段的随机最优化问题,其中时间窗分配构成第一阶段的决策,车辆路径遵守所分配的时间窗构成第二阶段的决策,目标是最小化期望路径成本。我们证明了这个随机模型的一个采样确定性等价物可以简化为一致性车辆路径问题的一个变体,并且我们利用这个结果开发了一个新的场景分解算法来解决它。从建模的角度来看,我们的方法可以适应连续和离散的可行时间窗口分配集以及一般的不确定性模型,包括客户需求和旅行时间等。从算法的角度来看,我们的方法可以很容易地并行化,可以利用任何可用的车辆路径求解器作为一个黑盒子,并可以很容易地修改为一个启发式的大规模的实例。我们进行了全面的计算研究,以证明我们的算法大大优于所有现有的解决方案的方法,以及量化的计算易处理性和预期的成本节约之间的权衡时,考虑到大量的未来情况下,在战略时间窗口分配。
2018-10-09 cs.DS math.OC
Integrated routing for a vehicle-robot pickup and delivery system with time constraints
本文考虑了一种无人驾驶车辆-机器人拾取和递送系统,其中,以母船的形式携带多个无人驾驶机器人的自驾驶车辆从仓库行驶到分布在附近的多个站点,以执行多个拾取和递送服务。首先,我们提出了它作为一个多模式车辆路径问题(MMVRP)的时间约束,这是典型的服务要求,杂货和食品配送在实践中。然后,我们制定它作为一个混合的二次约束规划(MIQCP)模型,以确定最佳的综合路由计划(车辆路由和机器人路由),以尽量减少所有服务的总加权延误。最后,使用Python中的Guidelines求解器解决了一个小型和中型问题实例,以证明所提出的MIQCP模型的有效性和性能。
2022-02-09 cs.SY eess.SY math.OC
The Integrated Vehicle and Pollster Routing Problem
Escuela Politécnica Nacional(国立理工学院);King’s College London(伦敦国王学院)
针对厄瓜多尔统计局价格调查的人员与车辆调度需求,提出集成车辆与调查员路径问题,构建整数规划模型并设计三阶段算法,经真实算例验证有效。
2026-08-20 math.CO 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
A generalized formulation for vehicle routing problems
在文献中提出了不同类型的配方来模拟车辆路径问题。目前,最常用的可以分为两类,即车辆流公式和集合分割公式。这些类型的公式彼此不同,不仅是因为它们的变量和约束,而且还因为它们的主要特征。车辆流公式具有紧凑模型的优点,因此可以使用通用优化包直接求解它们。然而,它们通常表现出弱的线性弛豫,并具有大量的约束。也可以设计基于专门有效不等式的分支切割方法来解决这些公式,但它们对大规模实例并不有效。另一方面,集合划分公式具有更强的线性松弛,但需要实现列生成和专门的分支和价格方法等并行技术。由于所有这些原因,到目前为止,在车辆路径社区中已经认识到这两种类型的公式是相当不同的。在本文中,我们表明,它们实际上是强相关的,因为它们对应的车辆路径问题的广义配方的特殊情况。
2017-09-16 cs.DM math.OC
Fast delta evaluation for the Vehicle Routing Problem with Multiple Time Windows
在车辆路径问题的许多应用中,一组时间窗口是可行的,为每一个访问,产生了多时间窗口车辆路径问题(VRPMTW)。我们认为,这种分离是有问题的许多解决方案的方法,并使用最先进的自适应大邻域搜索启发式。VRPMTW有两种变体,取决于是否必须最小化途中使用的时间。一个更紧凑的和校正的数学公式的问题的两个变种,新的最佳解决方案,但6个基准实例VRPMTW没有时间minimisations.A新的解决方案表示VRPMTW与时间最小化,它的重要性被证明,它是用来找到新的最佳解决方案,但一个基准实例VRPMTW与时间最小化。
2019-05-10 cs.DM math.OC