Eco-Conscious Customers Behavior in Capacitated Two-Echelon Location-Routing Models for Sustainable Last-Mile Delivery
本文提出2E-LRP-ECB模型,联合优化卫星选址、路径与配送模式,并通过真实算例和多目标分析揭示距离、排放与客户自提之间的权衡。
2025-09-29 math.OC
Optimization methods for the capacitated refueling station location problem with routing
针对带路径规划的容量约束加油站选址问题,本文提出分支切割法扩展版和分支切割定价算法两种优化方法,经测试其性能受容量约束严格度影响,且在无容量算例上运行时间优于现有方法。
2023-10-09 math.OC
AILS-II: An Adaptive Iterated Local Search Heuristic for the Large-scale Capacitated Vehicle Routing Problem
本文提出AILS-II算法,通过两阶段自适应迭代局部搜索并以精英集替代路径重连策略,有效解决了大规模容量约束车辆路径问题,在多达30000个顶点的实例上优于现有方法。
2025-07-20 math.OC
Instance-Aware Parameter Configuration in Bilevel Late Acceptance Hill Climbing for the Electric Capacitated Vehicle Routing Problem
School of Computer Science(计算机科学学院);Engineering Bangor University Bangor, UK(工程学 bangor 大学 英国 bangor)
本文提出一种实例感知的 bilevel 晚接受山爬升参数配置方法,通过离线调优和回归模型实现实例特定参数预测,提升电力有容量车辆路径问题求解效果。
2026-05-01 cs.AI math.OC
Combining Constructive and Perturbative Deep Learning Algorithms for the Capacitated Vehicle Routing Problem
School of Engineering and Sciences, Tecnologico de Monterrey(蒙特雷理工学院工程与科学学院)
有能力约束的车辆路径问题是一个著名的NP-难问题,提出了一个挑战,找到最佳路线的车辆交付产品到多个地点。最近,出现了新的努力来创建建设性的和微扰的算法,以使用深度学习来解决这个问题。在本文中,我们加入这些努力来开发组合式深度构造器和扰动器,它结合了两个强大的基于深度学习的构造性和扰动性算法,其核心是使用注意力机制。此外,我们提出了一个内存有效的算法,减少其内存复杂性的一个因素的节点数,改进了注意力模型动态的能力限制车辆路径问题。我们的方法显示出可喜的成果。与其他多种深度学习方法相比,它在常见数据集上显示了成本的改善。它还获得了接近最先进的运筹学领域的结果。此外,所提出的内存高效算法的注意力模型,动态模型,使其使用的问题实例超过100个节点。
2022-11-25 cs.DS cs.LG math.OC
A green perspective on capacitated time-dependent vehicle routing problem with time windows
本研究提出了一种新的方法来解决车辆路径问题,重点是温室气体排放和燃料消耗,旨在减轻不利的环境影响的运输。建立了一个包含时间窗的不定常时变运输模型,该模型考虑了运输过程中的速度和时间。该模型考虑了现实交付环境中一天中不同时间的速度限制。由于模型求解的复杂性,提出了一种模拟退火算法,以及时找到高质量的解决方案。该方法可以在降低燃料消耗和温室气体排放的同时,在一定程度上控制路线总成本。数值算例表明,对于中小型问题,该方法的精度在3.5%以内。此外,对于大型问题,在有限计算时间内,平均仅用精确方法的十分之一就得到了比较合适的解。
2017-09-17 cs.DS math.OC
Optimization of Robotic Liquid Handling as a Capacitated Vehicle Routing Problem
Massachusetts Institute of Technology(麻省理工学院)
本文将自动化实验室液体处理任务建模为容量约束车辆路径问题,利用启发式求解器优化执行时间,在随机任务和真实高通量材料发现中分别实现最高37%和61分钟的时间缩减,无需硬件改动即可显著提升通量。
2025-06-03 cs.RO math.OC
Graph-Coarsening Approach for the Capacitated Vehicle Routing Problem with Time Windows
本文提出一种多级图粗化与细化策略,通过时空距离度量将客户聚合为超节点,结合经典启发式方法和量子退火硬件解决具有时间窗口的容量车辆路径问题,实验表明该方法在计算时间和解质量方面有显著提升。
2026-04-13 cs.AI math.OC
Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem
University of Cambridge(剑桥大学);ETH Zurich(苏黎世联邦理工学院)
本文首次提出用强化学习以近似线性时间求解三维装载容量约束车辆路径问题,解决了传统运筹学方法随规模非线性扩展的瓶颈,实验表明其性能与最先进方法的平均差距仅为3.83%至8.10%,为大规模物流优化开辟了新方向。
2024-06-11 cs.LG math.OC
Test-Time Search in Neural Graph Coarsening Procedures for the Capacitated Vehicle Routing Problem
KAIST(韩国科学技术院);Omelet, Inc.(Omelet 公司)
针对深度学习分离方法生成带容量约束车辆路径问题割数量不足的问题,提出带随机性的测试时搜索和GraphCHiP算法,提升割的多样性与对偶间隙缩小效果,还首次实现成帧容量不等式的识别。
2026-11-17 cs.AI math.OC
A Quantum Annealing Approach for Dynamic Multi-Depot Capacitated Vehicle Routing Problem
量子退火(QA)是一种基于绝热量子计算(AQC)原理的量子计算算法,在求解车辆路径问题(VRP)等组合最优化问题时,与经典算法相比显示出了显著的计算优势。提出了一种求解多车场容量限制车辆路径问题的QA方法。这是一个NP难的最优化问题,在运输、物流和供应链管理等领域都有实际应用。我们考虑不同的车辆段和不同容量的车辆。给定一组异构车辆段、每个车辆段中的车辆数量、异构车辆段/车辆容量以及一组空间分布的客户位置,MDCVRP尝试识别满足容量约束的各种车辆的路线,例如为所有客户提供服务。我们将MDCVRP建模为一个二次无约束二进制优化(QUBO)问题,该问题在给定容量约束的情况下,最小化所有车辆在所有车辆段行驶的总距离。此外,我们制定了一个QUBO模型的动态版本的MDCVRP称为D-MDCVRP,它涉及到动态重新路由的车辆实时客户请求。我们讨论了问题的复杂性和解决方案,解决MDCVRP和D-MDCVRP量子退火硬件从D波。
2020-05-27 cs.ET math.OC quant-ph
A parameterized approximation algorithm for the mixed and windy Capacitated Arc Routing Problem: theory and experiments
我们证明了任何多项式时间$α(n)$ -近似算法的$n$ -顶点度量不对称的旅行商问题产生一个多项式时间$O(α(C))$ -近似算法的混合和风的容量限制弧路由问题,其中$C$是弱连接组件的数量在子图中引起的正需求弧-在许多应用中的一个小数目。结合已知的结果,我们得到的常数因子近似的$C\in O(\log n)$和$O(\log C/\log\log C)$ -近似一般。实验表明,我们的算法,连同一些启发式增强,优于许多以前的多项式时间的启发式。最后,由于在多项式时间内实现的解决方案的质量似乎主要取决于$C$,因为$C=1$在几乎所有的基准实例,我们提出了Ob基准集,模拟城市分为几个组成部分的河流。
2016-10-16 cs.DM cs.DS math.OC
RELAGRAM: Recursive Latent Graph Model for the Capacitated Vehicle Routing Problem
Delft University of Technology(代尔夫特理工大学)
本文提出RELAGRAM模型,将潜在递归引入图组合优化,在CVRP-100等实例上取得优于PyVRP基准的性能,且可零样本泛化至更大规模CVRP实例,验证了潜在递归在神经路由中的潜力。
2026-10-14 cs.LG cs.NE math.OC
Graph Master and Local Area Routes for Efficient Column Generation for the Capacitated Vehicle Routing Problem with Time Windows
针对 CVRPTW 加权集合覆盖列生成收敛慢的问题,本文结合 LA 弧/LA 路径定价与增强型 Graph Master 多重图主问题,按需构建节点和边以高效生成相关可行路径。
2023-04-23 math.OC
Bilevel Late Acceptance Hill Climbing for the Electric Capacitated Vehicle Routing Problem
Centre for Intelligent Transport, QMUL, London, U.K.(智能交通中心,伦敦大学玛丽王后学院,英国);School of Computer Science and Engineering, Bangor University, Bangor, U.K.(计算机科学与工程学院,班戈大学,英国);Department of Computer Science, Evolutionary Computation Group, CINVESTAV-IPN, Mexico City, Mexico(计算机科学系,进化计算组,CINVESTAV-IPN,墨西哥城,墨西哥);School of Future Technology, Shanghai University, Shanghai, China(未来技术学院,上海大学,中国)
本文提出双层后期接受爬山算法解决电动车辆路径问题,通过分离或联合处理路径和充电决策,引入替代目标函数加速收敛,实验显示其在小规模和大规模问题上均表现优异。
2026-04-14 cs.AI math.OC
An Efficient Learning-based Solver Comparable to Metaheuristics for the Capacitated Arc Routing Problem
Beijing University of Posts and Telecommunications(北京邮电大学);University of Trento(特伦托大学)
针对现有神经网络方法求解容量约束弧路径问题性能不及元启发式算法的问题,本文提出含方向感知注意力模型、监督强化学习方案和路径优化的求解器,效率更优且决策质量首次比肩顶尖元启发式算法。
2024-03-11 cs.AI cs.LG math.OC
Planning of Truck Platooning for Road-Network Capacitated Vehicle Routing Problem
本研究首次针对公路网络容量约束车辆路径问题优化卡车编队计划,提出三阶段算法,最小化总运营成本并满足时间窗约束,实验验证了其有效性。
2024-04-21 cs.ET math.OC
Learning to Deliver: a Foundation Model for the Montreal Capacitated Vehicle Routing Problem
Massachusetts Institute of Technology(麻省理工学院);MIT-IBM Watson AI Lab(MIT-IBM沃森人工智能实验室)
本文提出 FM-MCVRP,将 MCVRP 类比为 NLP 任务,用 LLM 框架中的 Transformer 从次优算法解中监督学习,实现跨规模和容量参数的高质量、可泛化车辆路径求解。
2024-02-28 cs.AI cs.LG math.OC
Deep Reinforcement Learning for Solving the Heterogeneous Capacitated Vehicle Routing Problem
National University of Singapore(新加坡国立大学);Singapore Institute of Manufacturing Technology(新加坡制造技术研究院);Southwest Jiaotong University(西南交通大学);Shandong University(山东大学);Nanyang Technological University(南洋理工大学)
现有的基于深度强化学习(DRL)的求解能力约束车辆路径问题(CVRP)的方法本质上是处理同质车队,其中车队被假设为单个车辆的重复。因此,他们构建解决方案的关键仅仅在于选择要访问的下一个节点(客户),而不包括选择车辆。然而,在现实世界的情况下,车辆很可能是异构的,不同的特性,影响他们的能力(或行驶速度),使现有的日间行车方法不太有效。在本文中,我们解决了异构CVRP(HCVRP)问题,其中车辆主要以不同的容量为特征。我们考虑HCVRP的最小最大和最小和目标,其目的是最大限度地减少车队中车辆的最长或总行驶时间。为了解决这些问题,我们提出了一种基于注意力机制的DRL方法与车辆选择解码器占异构车队的约束和节点选择解码器占路线建设,它学会构建一个解决方案,自动选择车辆和节点,该车辆在每一步。基于随机生成的实例的实验结果表明,与各种问题大小的期望的推广,我们的方法优于最先进的DRL方法和大多数传统的启发式算法,也提供了与最先进的启发式探试法,即,SISR。此外,扩展实验的结果表明,我们的方法也能够解决CVRPLib实例,具有令人满意的性能。
2022-03-07 cs.LG math.OC
An exact separation algorithm for unsplittable flow capacitated network design arc-set polyhedron
在本文中,我们专注于生成切割平面的不可分割的容量限制网络设计问题。我们将不可裂流弧集多面体作为子结构,通过求解其上的分离问题来生成割平面,并证明在某些特殊情况下,可以导出分离问题的封闭形式.对于一般的情况下,一个蛮力算法,称为精确分离算法,在解决所考虑的多面体的分离问题,使构造的不等式保证是面定义。此外,提出了一种新的技术,以加速精确分离算法,这显着减少了算法中的迭代次数。最后,一个全面的计算研究的不可分割的容量约束网络设计问题,以证明所提出的算法的有效性。
2020-11-09 math.OC
A deep learning Attention model to solve the Vehicle Routing Problem and the Pick-up and Delivery Problem with Time Windows
CentraleSupélec(巴黎中央理工-高等电力学院);SNCF(法国国家铁路公司)
法国国营训练公司SNCF正在试验通过解决车辆路线问题来开发新型运输服务。虽然许多深度学习模型已被用于有效地解决车辆路径问题,但很难考虑与时间相关的约束。本文采用构造性迭代深度学习算法求解带时间窗的容量限制车辆路径问题(CVRPTW)和带时间窗的容量限制取送问题(CPDPTW)。我们使用一个注意力编码器-解码器结构,并设计了一个新的插入启发式的可行性检查的CPDPTW。我们的模型产生的结果比CVRPTW上最知名的学习解决方案更好。我们展示了深度学习技术解决CPDPTW的可行性,但见证了我们的迭代方法在计算复杂性方面的局限性。
2023-01-10 cs.AI math.OC
Neural Embedded Mixed-Integer Optimization for Location-Routing Problems
Pennsylvania State University(宾夕法尼亚州立大学);KAIST(韩国科学技术院);Omelet, Inc.(Omelet公司)
通过神经网络嵌入混合整数优化,高效解决具有容量限制的定位-路由问题,提升计算效率并改进解决方案质量。
2026-07-28 math.OC
How Multimodal Integration Boost the Performance of LLM for Optimization: Case Study on Capacitated Vehicle Routing Problems
The Hong Kong Polytechnic University(香港理工大学);Chongqing University(重庆大学)
本文提出一种融合文本与视觉提示、模拟人类解题流程的多模态 LLM 优化框架,并在带容量约束的车辆路径问题上验证其优于纯文本方法。
2024-03-04 cs.AI cs.CL cs.LG
Towards a connection between the capacitated vehicle routing problem and the constrained centroid-based clustering
Polytechnique Montréal(蒙特利尔理工学院);GERAD;Université du Québec à Rimouski(魁北克大学里穆斯基分校)
本文探讨带容量约束的车辆路径问题(CVRP)与带约束的基于质心聚类(CCBC)的联系,提出一种三阶段“先聚类后路径规划”框架,通过增强聚类、TSP求解及路径切割重连优化,在基准实例上实现近似最优且高效求解。
2024-03-20 cs.LG math.OC
The Agricultural Spraying Vehicle Routing Problem With Splittable Edge Demands
本文提出可拆分边需求的农业喷洒车辆路径问题,建模为混合整数线性规划,给出两种SCARP模型及惰性约束、对称消除和启发式修复方法,实验证明其解更优且修复方法提升大规模求解质量。
2023-08-29 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
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
Quantum Annealing of Vehicle Routing Problem with Time, State and Capacity
提出了一种全新的能力约束车辆路径问题(CVRP)的二次无约束二元优化(QUBO)模型。制定的CVRP配备了时间表,描述了每辆车的时间演变。因此,成功地实现了与时间相关联的各种约束。采用类似的方法,还引入了容量约束,其中允许容量限制数量根据车辆到达的城市而增加和减少。作为容量量子比特的奖励,还可以获得状态的描述,这允许我们根据车辆的每个状态设置各种旅行规则。作为一致性检查,还通过D-Wave 2000 Q的量子退火来评估所提出的QUBO公式。
2019-03-15 cs.DM cs.ET math.OC
Combinatorial Optimization and Machine Learning for Dynamic Inventory Routing
提出组合优化与机器学习结合的流水线,将动态库存路径问题转化为带容量约束的带奖励收集旅行商问题,通过机器学习学习奖励参数,实现成本节约、低推理时间并利用上下文信息。
2024-02-06 math.OC
Modeling and solving an integrated periodic vehicle routing and capacitated facility location problem in the context of solid waste collection
针对城市废物管理中的垃圾桶容量确定与收集路径调度集成优化难题,提出统一优化模型及两种改进精确公式、混合染色体编码的遗传算法,小算例精度匹配精确求解器,大算例可快速得可行解。
2025-04-14 cs.NE 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
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
Enforcing TSP-Optimality in Fair Vehicle Routing by Cutting Planes
Eindhoven University of Technology(埃因霍温理工大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Cornell Tech(康奈尔科技校区)
本文研究公平容量车辆路径问题,旨在最小化路线长度差(范围)。通过引入TSP最优性切割,确保单个路线的TSP最优性,并在基准实例上取得接近最优解的成果。
2026-04-26 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
Detour Dual Optimal Inequalities for Column Generation with Application to Routing and Location
以车辆路径为例,研究物流最优化问题的加速列生成问题。不失一般性,我们专注于容量限制车辆路径问题(CVRP)通过添加一类新的双重最优不等式(DOI),将信息从车辆路线绕行。这些不等式扩展了光滑DOI最近在文献中介绍的某些类别的集合覆盖问题的CG解决方案。本文中介绍的Detour-DOI允许给定活动路线上的物品与该路线上的其他物品附近的物品之间的低成本交换操作,以估计(并限制)对偶变量的值。相比之下,Smooth-DOI只允许在附近的项目之间进行低成本的交换操作。Detour-DOI的使用允许CG的更快收敛而不削弱线性规划松弛。然后,我们认为,这些DOI也可以方便地应用于单源容量限制设施定位问题。这些问题已经被证明是等价于一个广泛的物流最优化问题,其中包括,例如,电信网络设计和生产规划。开发更高效的列生成求解器的重要性怎么强调都不过分。Detour-DOI允许用变量的有限集来表示大量的列,有助于这一重要的努力。
2021-08-20 cs.DS math.OC
A capacitated multi-vehicle covering tour problem on a road network and its application to waste collection
在瑞士的大多数城市,路边系统由重型卡车组成,几乎每家每户都停下来,用于收集不可回收的废物。由于卡车的多次停靠,这种策略导致高油耗、排放和噪音。这些影响可以通过减少收集车辆的停靠次数来减轻。一种可能性是在整个城市设立收集点,以便居民将废物带到他们最喜欢的地点。最优化问题包括选择候选位置的子集来放置点,使得每个家庭在最优选的位置处处置废物。假设底层道路网络是可用的,我们把这个最优化问题称为道路网络上的容量限制多车辆覆盖旅游问题(Cm-CTP-R)。我们引入两个混合整数线性规划(MILP)配方:一个基于道路网络的配方,利用网络的稀疏性和基于客户的配方通常用于车辆路径问题(VRP)。为了解决大的情况下,我们提出了一个两阶段的启发式方法,解决了两个子问题的Cm-CTP-R是建立在:一组覆盖问题选择的位置和分割交付VRP确定的路线。小的和现实生活中的实例上的计算实验表明,基于道路网络的配方更适合。此外,所提出的启发式算法提供了良好的解决方案,最优性差距低于0.5%和3.5%的75%的小和现实生活中的情况下,分别是能够找到更好的解决方案比精确的方法,为许多现实生活中的情况。
2022-09-08 math.OC
Optimized electrified meeting-point-based feeder bus services with capacitated charging stations and partial recharges
研究基于会议点的电动接驳公交服务,联合优化客户分配、车辆路径与充电调度,实验表明该系统较传统门到门系统大幅降低车队规模、行驶里程及乘车时间。
2024-01-09 math.OC
On vehicle routing problems with stochastic demands -- Generic disaggregated integer L-shaped formulations
University of Waterloo(滑铁卢大学)
本文研究了具有随机需求的车辆路径问题,提出了一种基于场景分布的算法,通过统一框架扩展了整数L形 formulations,首次将部分路径和集合切割结合,提升计算效率。
2026-04-13 math.OC
Representability of forests via generalized subtour elimination constraints
University of Waterloo(滑铁卢大学)
本文首次刻画了可由广义子回路消除约束(GSECs)定义的多面体内部整数点表示的森林族,推广了不确定性下车辆路径问题的框架,扩展了GSEC公式的适用性,并应用于容量最小生成树问题的鲁棒变体。
2025-11-03 math.OC
Strengthening Dual Bounds for Multicommodity Capacitated Network Design with Unsplittable Flow Constraints
Arizona State University(亚利桑那州立大学);Georgia Institute of Technology(佐治亚理工学院)
本文提出了一种强化多商品有容量网络设计中不可拆分流约束双重界限的方法,通过引入有效不等式和动态添加策略,显著提高了求解效率和双重界限质量。
2025-12-31 math.OC
Combining supervised learning and local search for the multicommodity capacitated fixed-charge network design problem
针对多商品容量受限固定费用网络设计问题,提出在弧层面用监督学习预测近优解并集成到局部搜索中,实验显示其在均匀分布实例上优于领先启发式算法。
2024-09-09 math.OC
Leveraging Contextual Information for Robustness in Vehicle Routing Problems
本文研究在带时间窗的鲁棒容量约束车辆路径问题中利用上下文机器学习预测需求分位数,比较确定性与鲁棒优化模型,发现数据充足时鲁棒模型更优,数据有限时单分位数确定性模型更具潜力且鲁棒性可与之相当。
2023-10-26 math.OC
A Fast Hybrid Primal Heuristic for Multiband Robust Capacitated Network Design with Multiple Time Periods
我们研究了鲁棒多周期网络设计问题,概括的容量限制网络设计问题(CNDP),除了建立流路由和网络容量安装在一个典型的CNDP,还考虑了规划的时间范围组成的多个时间段和保护对流量的波动。作为对交通量不确定性的补救措施,我们提出了一个基于多波段鲁棒性的鲁棒最优化模型(Büsing和D'Andreagiovanni,2012),这是Bertsimas和Sim对经典伽马鲁棒性的改进,使用了多个偏差波段的系统。由于由此产生的最优化问题可能证明非常具有挑战性,即使是中等大小的情况下解决了一个国家的最先进的优化求解器,我们提出了一个混合原始启发式算法,结合随机固定策略的启发蚁群优化,利用信息来自线性松弛的问题,和一个确切的大邻域搜索。一组现实的SNDlib实例上的计算实验表明,我们原来的启发式可以运行速度快,并产生极高质量的解决方案与低最优差距。
2017-04-27 cs.DS cs.NE math.OC
A branch-and-cut algorithm for vehicle routing problems with three-dimensional loading constraints
本文提出一种基于不可行路径消除的分支切割算法,通过增量可行性性质、变体相关提升步骤、约束规划精确装载求解及极值点装箱启发式等方法,显著提升了3L-CVRP的求解性能,并首次证明多个已知启发式解的最优性。
2024-02-21 math.OC
Approximate Solutions for Multi-Trip Route Planning in Time-Sensitive Situations
本文针对时间敏感的单车多行程紧急运输问题,提出救护车巴士路径问题的高效近似策略与启发式方法,以快速获得近最优整数解并最大化总体满意度。
2024-06-28 math.OC
Robust Feasible Route Construction through Collaborative Partition Optimization
Department of Electrical and Computer Engineering, Carnegie Mellon University(卡内基梅隆大学电气与计算机工程系)
研究大规模车辆路径问题,提出协作路由构造框架CoRC,通过子问题间客户与车辆交换优化,实验表明其能构建可行解,比其他方法更具鲁棒性和扩展性。
2026-07-07 cs.AI 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
Reinforcement Learning with Combinatorial Actions: An Application to Vehicle Routing
MIT Operations Research Center(麻省理工学院运筹学中心);Google Research(谷歌研究院)
基于值函数的方法长期以来在强化学习中发挥着重要作用。然而,当动作空间对于枚举来说太大时,找到给定任意复杂度的价值函数的最佳下一动作是不平凡的。我们开发了一个具有组合动作空间的基于值函数的深度强化学习框架,其中动作选择问题被显式地表示为混合整数优化问题。作为一个激励的例子,我们提出了一个应用程序的能力限制的车辆路径问题(CVRP),一个组合优化问题,其中一组位置必须由一个单一的车辆有限的能力。在每一个实例中,我们的行动建模为一个单一的路由建设,并考虑一个确定性的政策,通过一个简单的政策迭代算法进行改进。我们的方法与其他强化学习方法相比具有竞争力,并且在中等大小的标准库实例上与最先进的OR方法的平均差距为1.7%。
2020-10-22 cs.AI cs.LG 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
A fast and effective MIP-based heuristic for a selective and periodic inventory routing problem in reverse logistics
Tecnologico de Monterrey(蒙特雷科技大学);Universidade Federal da Bahia(巴伊亚联邦大学)
研究了一个基于废弃植物油回收的NP-hard选择性周期性库存路径问题。这个SPIRP出现在逆向物流的背景下,生物柴油公司每天都需要在生产过程中使用石油作为原材料。这些要求可以通过使用现有库存、收集废植物油或购买初榨油来满足。问题在于确定一个周期(循环)规划收集和购买石油,使总的收集,库存和采购成本最小化,同时满足公司的石油需求和所有的业务限制。我们提出了一个基于MIP的启发式算法,解决了一个放松的模型,没有路由,构造路线考虑到放松的解决方案,然后通过解决与每个时期相关的容量限制车辆路径问题来改善这些路线。遵循该方法,确保了后验性能保证,因为该方法提供了下界和可行解。所进行的计算实验表明,基于MIP的启发式是非常快速和有效的,因为它是能够遇到近最优解与低差距在几秒钟内,提高了几个最知名的结果,使用一个国家的最先进的启发式所花费的时间的一小部分。一个显着的事实是,建议的MIP为基础的启发式改进了最好的已知的结果,在文献中提供的所有大型实例。
2020-11-20 cs.AI math.OC
Heuristics for vehicle routing problems: Sequence or set optimization?
KU Leuven(鲁汶大学);Federal University of Ouro Preto(乌罗普雷托联邦大学);Pontifícia Universidade Católica do Rio de Janeiro(里约热内卢天主教大学)
研究了基于车辆到客户“分配”和访问“排序”决策变量的容量约束车辆路径问题(CVRP)的结构分解。我们发现,启发式搜索集中在分配决策与系统的最佳选择的序列(使用协和TSP求解器)在每次移动评估是有希望的,但需要一个令人望而却步的计算工作。因此,我们引入了一个中间搜索空间,基于动态规划过程的Balas和Simonetti,它找到了一个很好的妥协之间的集约化和计算效率。各种加速技术提出了一个快速的探索:邻域减少,动态移动过滤器,内存结构和级联技术。最后,隧道策略的设计,重塑搜索空间的算法的进展。这些技术在经典局部搜索以及统一混合遗传搜索(UHGS)中的组合可以显着提高解的准确性。为只有256个客户的小实例找到了新的最佳解决方案。到目前为止,这些解决方案还没有在经典社区中实现。总的来说,这项研究允许更好地评估各自的影响,序列和分配优化,提出了新的方式相结合的优化这两个决策集,并打开了有前途的研究前景的CVRP及其变种。
2018-03-16 cs.AI math.OC
Vehicle mission guidance by symbolic optimal control
Munich University of Applied Sciences(慕尼黑应用科学大学)
符号最优控制是一种强有力的方法来综合算法正确的设计状态反馈控制器的非线性对象。它的解对于给定的费用函数是(近)最优的。在这篇笔记中,它演示了如何符号最优控制可以用来计算控制器的车辆系统的最优路径引导在连续状态空间。实际上,我们研究的是有能力约束的车辆路径问题和流动推销员问题的一个变形。后一个问题与执行任务期间车辆损失的情况有关。货物交付的情况下,侦察任务,分别涉及自行车和飞机动力学,作为例子。
2022-05-27 cs.RO cs.SY eess.SY
On Statistical Learning of Branch and Bound for Vehicle Routing Optimization
University of Victoria(维多利亚大学);National Research Council(国家研究委员会)
本文利用三种神经网络学习分支定界中的强分支策略,以高效求解带容量约束的车辆路径问题,实验表明该方法在减少计算时间的同时能匹配或提升原有算法性能。
2023-10-17 cs.AI cs.LG math.OC
A Deep Reinforcement Learning Approach for Solving the Traveling Salesman Problem with Drone
Suleyman Demirel University(苏莱曼·德米雷尔大学);UNIST(蔚山科学技术院);Korea University(高丽大学);Amazon(亚马逊);University of South Florida(南佛罗里达大学)
强化学习最近在许多组合最优化问题的学习质量解决方案中显示出了希望。特别是,基于注意力的编码器-解码器模型在各种路由问题上表现出很高的效率,包括流动推销员问题(TSP)。不幸的是,它们在TSP with Drone(TSP-D)中表现不佳,需要协调不同的车辆-卡车和无人机。在TSP-D中,两辆车一前一后地移动,并且可能需要在节点处等待另一辆车加入。基于注意力的无状态解码器无法在车辆之间进行这种协调。我们提出了一个混合模型,它使用注意编码器和长短期记忆(LSTM)网络解码器,其中解码器的隐藏状态可以表示所做的动作序列。我们的经验表明,这样的混合模型提高了一个纯粹的基于注意力的模型的解决方案的质量和计算效率。最小-最大容量限制车辆路径问题(mmCVRP)的实验结果也表明,混合模型比基于注意力的模型更适合于多车辆的协调路径问题。所提出的模型展示了与运筹学基线方法相当的结果。
2022-12-05 cs.AI cs.LG math.OC