Parameter Selection In Particle Swarm Optimization For Transportation Network Design Problem
在交通规划和发展中，交通网络设计问题试图通过在给定的一组项目中进行选择来优化特定的目标（例如总旅行时间），同时保持资源消耗（例如预算）在其限制范围内。由于选择项目的情况众多，解决这样的问题是非常困难和耗时的。基于粒子群优化（PSO）技术，设计了一种求解双层问题的启发式算法。本文评估的算法性能的响应改变某些基本的PSO参数。
2015-02-03 cs.NE math.OC
A note on "A multi-compartment VRP model for the health care waste transportation problem"
本文指出Ouertani等人提出的医疗废物运输多隔室VRP模型存在多处结构缺陷，导致其不正确，不能作为评估启发式算法的可靠基准，并建议修正。
2023-11-11 math.OC
Design of A* based heuristic algorithm for efficient interdiction in multi-Layer networks
针对动态环境中有限警力拦截罪犯的挑战，提出基于分层图的A-Star启发式算法计算近最优防御策略，实验证明其能在短时间内提供高质量拦截方案。
2025-06-27 cs.MA cs.SI math.OC
Branch-and-price algorithm for an auto-carrier transportation problem
原始设备制造商（OEM）制造、库存和运输新车给特许经销商。这些特许经销商库存并向最终用户销售新车。原始设备制造商依赖物流公司使用一种特殊类型的卡车（称为自动运输车）将车辆运输到经销商处。车辆分配过程面临着共同的挑战。在本文中，我们提出了一个启发式算法来确定每个自动承运人的路线的基础上，经销商的位置，随后，分支和价格算法来获得最优解的基础上生成的路线的装载问题。装载问题考虑了车辆的实际尺寸，以及车辆制造商和政府机构对装载过程的限制。我们进行了大量的计算实验的加载问题，使用现实世界的实例，我们的结果是基准与整体模型，以证实所提出的方法的有效性。对于最大的实例，包括600辆车，所提出的方法计算的最优解的装载问题在规定的运行时间。
2016-05-29 math.OC
Exact and heuristic methods for Anchor-Robust and Adjustable-Robust RCPSP
针对加工时间不确定的资源受限项目调度问题，提出了锚定解的概念。定义了锚鲁棒RCPSP算法，用来计算一个具有有界最大完工时间和排序决策的基线调度问题，并给出了一个具有保证开工时间的最大工件子集，称为锚集。结果表明，可调鲁棒RCPSP从文献中适合锚定解决方案的框架内。锚定鲁棒RCPSP和可调整鲁棒RCPSP可以互相受益，找到最坏情况下的最大完工时间和锚定集的基线进度。锚定解决方案的专用图模型提出了预算的不确定性。紧凑的MIP重新制定的可调鲁棒RCPSP和锚鲁棒RCPSP。基于图模型设计了专用物流系统。对于这两个问题，建议MIP重新配方和启发式方法的效率进行评估，通过数值实验的基准实例。
2020-11-03 math.OC
Balanced scheduling of school bus trips using a perfect matching heuristic
在校车调度问题中，影响成本的主要因素是运营所需的校车数量。然而，在分包学生交通的情况下，不平衡的旅行可能会大大增加费用，因为有些旅行的长度可能超过每日固定的驾驶目标，并将导致超时收费。针对多校校车均衡调度问题，提出了一种混合整数规划（MIP）模型和一种基于匹配的启发式算法。启发式算法保证找到最少数量的总线。启发式算法的有效性进行了测试，通过比较其解决方案与从MIP得到的解决方案时，MIP可以找到一个很好的解决方案。对于较大的情况下，MIP不能找到一个很好的解决方案，我们说明了启发式的性能，显示它如何影响旅游的持续时间。为了说明MIP和启发式的性能，我们研究了12个不同的问题，不同的旅行次数都是基于两个现实世界的问题。一个加州的案例研究与54次旅行和霍华德县公立学校系统（HCPSS）与994次旅行。数值结果表明，该算法可以在较短的时间内找到合理的解决方案。我们的算法的平衡解决方案可以节省高达16%的校车运营成本相比，最好的解决方案，从MIP模型后40小时。启发式算法的平衡阶段将游览持续时间的标准差降低了47%。
2018-07-02 math.OC
A generic adaptive restart scheme with applications to saddle point algorithms
我们提供了一个简单和通用的自适应重启计划凸优化，能够实现最坏情况下的边界匹配（常数乘法因子）的最佳重启计划，需要知识的问题特定的常数。每当基于距离的势函数充分减少时，该方案就会触发重新启动。这个势函数总是可计算的。我们应用该计划，以获得第一个自适应重新启动算法的鞍点算法，包括原始-对偶混合梯度（PDHG）和extragradiation。该方法改进了双线性对策PDHG的最坏情况界，并对二次指派问题和矩阵对策进行了数值实验，结果表明该方法在获得高精度解方面有显著的改进.此外，对于加速梯度下降（AGD），该方案获得了最坏情况下的边界内的60%的（未知的）最佳重新启动期时，需要高精度的界限。在实践中，该方案与O 'Donoghue和Candes（2015）的启发式竞争。
2020-08-14 math.OC
Adaptive robust electric vehicle routing under energy consumption uncertainty
近年来，电动汽车（EV）作为未来的交通方式在交通领域受到高度青睐。与传统交通工具相比，电动汽车具有许多优势，特别是环境方面。然而，尽管电动汽车有许多好处，但运营电动汽车在使用方面存在局限性。其中一个重要的问题是他们的驾驶范围的不确定性。电动汽车的续驶里程与其能耗密切相关，能耗受外源性和内源性因素的影响很大。由于这些因素是不可预测的，因此应考虑电动汽车能源消耗的不确定性，以实现高效运行。提出了一种电动汽车路径问题的自适应鲁棒优化框架。目标是最大限度地减少最坏情况下的能源消耗，同时确保在指定的时间窗口提供服务，而不会出现电池电量不足的情况。我们假设电动汽车可以在途中充电，充电量可以根据情况进行调整。所提出的问题是制定为一个两阶段的自适应鲁棒问题。提出了一种基于列和约束生成的启发式算法，并结合变邻域搜索和交替方向算法对模型进行求解。计算结果表明，所提出的模型的经济效率和鲁棒性，并有一个权衡之间的总需求的能量和无法满足所有客户的需求的风险。
2022-04-22 math.OC
The Dial-a-Ride Problem in Primary Care with Flexible Scheduling
病人运输系统有助于降低初级保健的准入障碍，将病人带到他们的全科医生那里。作为该设置的一部分，慢性病患者或无需预约的患者的每个运输请求包括到GP的出站旅行和回家的进站旅行。患者运输系统的经济可持续性主要取决于其利用率以及如何通过乘车共享捆绑运输请求。为了缓解后者，我们考虑了一个灵活的调度慢性病人，其中只有一定范围的预约是固定的先验，而确切的时间是由出站行程的安排。这导致了一个新的扩展拨号乘车问题，我们称之为拨号乘车问题与组合请求和灵活的调度（DARPCF）。在本文中，我们介绍了两种利用这种增加的灵活性的DARPCF的算法。这两种方法最初都计算所谓的出站请求的迷你集群。然后，通过（i）解决流动推销员问题并使用分裂过程创建出站乘车路线或通过（ii）使用滚动时域方法并解决车辆分配的二分匹配问题来连接迷你集群。我们的计算研究表明，通过使用所提出的算法与慢性预约的灵活调度，服务请求的平均数量可以增加16%相比，一个非灵活的设置。
2021-05-30 math.OC
Heuristic Optimal Transport in Branching Networks
Unlimited Analytics Inc.（无限分析公司）
针对最优传输解缺乏分支、与实际网络不符的问题，提出一种快速启发式分支方法，并在合成示例、心血管网络及含141,182个城市的配送网络上验证了其有效性。
2024-02-07 cs.LG math.OC
C. H. Robinson Uses Heuristics to Solve Rich Vehicle Routing Problems
Opex Analytics（奥佩克斯分析公司）；Lehigh University（理海大学）；C.H. Robinson（C.H. 罗宾逊公司）
我们考虑了一个广泛的家庭的车辆路径问题的变种与许多复杂的和实际的约束，被称为丰富的车辆路径问题，这是每天面临的C.H. Robinson（英语：Robinson）。由于物流中心有许多客户，每个客户都有不同的需求，因此需要解决具有不同目标和约束的各种路由问题。我们提出了一个集划分框架与一些路由生成算法，这已被证明是有效的，在解决各种不同的问题。所提出的算法在10个基准实例中的表现优于现有技术，并已嵌入到该公司的交通规划和执行技术平台中。
2019-12-31 cs.AI math.OC
A heuristic algorithm for the Air Transport Unit Consolidation Problem
将松散的包裹合并成运输单元是物流服务提供商提供的一项基本活动。移动运输单元而不是松散的包裹更快（仅用一次移动，多个包裹被装载，而不是对每个包裹进行一次装载操作），更安全（减少损坏和丢失的机会）并且更便宜。合并问题的典型目标之一是使所使用的运输单元（例如集装箱）的数量最小化。然而，在空中运输中，运输单元具有在成本计算中一致的多个方面，因此需要优化运输单元的数量和特性。在本文中，我们提出了航空运输单位的整合问题，其目的是确定如何巩固松散的包装在运输单位的目标，使相应的成本最小化。该问题是三维装箱问题的一个变体，其中目标函数是根据航空运输业务中计算成本的方式来制定的。此外，还包括侧面约束以考虑特定要求。我们提出了一种启发式算法，该算法构造一个初始的可行解，然后通过局部搜索算法来改进它。对随机生成的算例的计算测试表明，该算法在合理的计算时间内提供了高质量的解决方案。此外，对真实数据的测试表明，它改进了提供数据的公司在实践中发现的解决方案。
2022-10-12 math.OC
A rolling horizon heuristic approach for a multi-stage stochastic waste collection problem
本文提出多阶段随机优化模型解决可回收废物收集的库存路径问题，通过滚动时域启发式方法最大化公司预期利润，实验验证了其良好的性能。
2024-05-23 math.OC
Tree Optimization Based Heuristics and Metaheuristics in Network Construction Problems
University of Toronto Scarborough（多伦多大学士嘉堡分校）；Rotman School of Management, University of Toronto（多伦多大学罗特曼管理学院）；Universidad Adolfo Ibáñez（阿道夫·伊巴涅斯大学）
我们认为最近推出的一类网络建设问题的运输网络的边缘需要由一个服务器（施工队）。服务器具有恒定的构建速度，其远低于其行进速度，因此相对于构建时间，重新定位时间可以忽略不计。需要找到一个施工进度计划，使各种感兴趣的连接变得可操作时的时间的非递减函数最小化。这类问题大多数在一般网络上是强NP困难的，但通常是树有效的，也就是说，在树上多项式可解。我们开发了一个通用的局部搜索启发式方法和两个元算法（迭代局部搜索和禁忌搜索），用于解决一般网络上的树高效网络构建问题，并通过计算探索它们。计算实验结果表明，该方法具有良好的性能。
2020-07-03 cs.AI math.OC
A Scalable Lower Bound for the Worst-Case Relay Attack Problem on the Transmission Grid
我们考虑一个双层的攻击者-防御者问题，以找到最坏情况下的攻击控制输电网的继电器。攻击者通过渗透一些中继并使连接到它们的组件无法操作来最大化负载卸载。防御者通过最小化甩负荷，在剩余网络上使用DC最优潮流（DCOPF）问题进行重新调度来做出响应。虽然最坏情况下的阻断问题的传输网格的研究，仍然需要准确和可扩展的方法。基于使用对偶的内部问题的方法依赖于防御者问题的对偶变量的界限，以便将双层问题转化为混合整数线性问题。有效的对偶边界往往很大，导致弱线性规划松弛，使问题难以大规模解决。通常使用更小的启发式边界，导致下界。在这项工作中，我们还考虑了一个下界，而不是绑定的对偶变量，我们放弃了相应的欧姆定律的约束，放松DCOPF容量限制网络流。我们提出的理论结果表明，对于不拥塞的网络，近似DCOPF与网络流产生相同的一组注入，这表明，这种限制可能会给出一个高质量的下界在不拥塞的情况下。此外，我们证明了在防御者问题的网络流松弛中，网络流是有界的，所以我们可以精确地解决我们的限制。最后，我们从经验上看到，这种公式在计算上可以很好地扩展。通过对16个网络（最多6468个总线）的实验，我们发现，即使对于拥塞的网络，这个界限也几乎总是和我们猜测的对偶界限一样紧。此外，计算边界比用猜测对偶边界的重新公式化实现相同的边界快大约150倍。
2021-08-20 math.OC
Multilevel Facility Location Optimization: A Novel Integer Programming Formulation and Approaches to Heuristic Solutions
针对供应链中的4级设施选址问题（4L-FLP），提出一种减少变量的整数规划模型，开发多起点贪心启发式和禁忌搜索算法并验证其可靠性，为大规模4L-FLPs提供改进求解方法。
2025-04-19 cs.DM 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
Rich Vehicle Routing Problem in Disaster Management enabling Temporally-causal Transhipments across Multi-Modal Transportation Network
Department of Industrial and Systems Engineering (ISE), Indian Institute of Technology (IIT) Kharagpur（工业与系统工程系，印度理工学院Kharagpur分校）
研究灾害管理中支持跨多式联运网络时间因果转运的丰富车辆路径问题，提出级联最小化MILP方法及基于决策树的PSR-GIP启发式算法，能快速求解大规模实例并优于现有方法。
2025-09-17 cs.AI cs.SY eess.SY
Efficient algorithms for electric vehicles' min-max routing problem
Wayne State University（韦恩州立大学）；U.S. Army CCDC Ground Vehicle Systems Center（美国陆军CCDC地面车辆系统中心）
运输部门温室气体排放的增加导致公司和政府提高和支持电动汽车（EV）的生产。随着城市化和电子商务的发展，运输公司正在用电动汽车取代传统车队，以加强可持续和环保运营的努力。然而，部署电动汽车车队需要有效的路由和充电策略，以缓解其有限的范围并降低电池退化率。在这项工作中，考虑了电动汽车的运输和物流能力，有限的电池容量和稀缺的充电站可用性。我们引入了一个最小最大电动汽车路径问题（MEVRP），其中任何EV行驶的最大距离最小化，同时考虑充电站充电。我们提出了一个有效的分支和切割框架和三阶段混合启发式算法，可以有效地解决各种情况。大量的计算结果和灵敏度分析证实了所提出的方法的效率，定量和定性。
2021-04-30 cs.AI math.OC
A glimpse into the differential topology and geometry of optimal transport
本说明揭示了最佳运输的一些基本现象背后的微分拓扑和几何结构。它调查有关蒙赫地图和康托洛维奇措施的基本问题：存在性和规律性的前者，后者的唯一性，并估计其支持的维度，以及相关的线性规划对偶。它显示了这些问题的答案有关的微分几何和拓扑所选择的运输成本。它还建立了新的连接-一些启发式和其他严格的-基于此成本的交叉差异的属性，及其在对角线上的泰勒展开。
2012-07-11 math.AP math.DG math.GT
Maximum Customers' Satisfaction in One-way Car-sharing: Modeling, Exact and Heuristic Solving
Institute of Computing, University of Campinas（坎皮纳斯大学计算研究所）
单向汽车共享系统是一种交通系统，允许客户在分散在城市各地的车站租车，短途使用，并在任何车站归还。最大顾客满意度问题涉及的任务是分配汽车，最初位于给定的车站，以最大限度地提高满意的客户数量。我们考虑两个车站的问题，其中每个客户正好有两个需求，在两个车站之间的相反方向，和客户满意，只有当他们的需求都得到满足。为了解决这个问题，我们提出了混合整数规划（MIP）模型和基于局部搜索的数学方法。我们创建了一个用于测试精确和启发式方法的实例基准。此外，我们提出了一个预处理过程来减少实例的大小。我们的MIP模型可以在10分钟内解决1000个客户的85%的建议实例的最优性，所有这些实例的平均差距小于0.1%。对于较大的实例（2500和5000个客户），除了某些特定情况外，它们的平均差距小于0.8%。此外，我们的本地为基础的数学提出了小的平均差距，这是优于MIP模型在一些较大的情况下。
2020-08-13 cs.AI math.OC
Bounds and Heuristics for Multi-Product Personalized Pricing
我们提出了个性化的，多产品定价问题的紧边界和算法。在温和的条件下，我们表明，在一个积极的向量的方向上的最佳价格的利润，保证至少是大的一小部分，从最佳个性化定价的利润。对于无约束问题，分数取决于因素和不同客户类型的最优价格向量。对于约束问题，因子取决于因子和约束的比率。使用具有相等分量的因子向量会导致一致定价，并且具有非常温和的充分条件来保持界限。一个强大的因素，实现了最佳的性能保证。作为一个应用程序，我们的模型产生了一个严格的下限的线性定价相对于最佳个性化的非线性定价的性能，并建议有效的非线性价格策略相对于个性化的解决方案。此外，我们的模型提供了简单的策略，如最佳个性化的混合捆绑定价的尺寸定价和组件定价的保证。启发式集群客户类型也开发了提高性能的目标，允许每个集群价格沿自己的因素。数值结果的各种需求模型，说明使用的经济因素和强大的因素为每个集群之间的权衡，以及使用聚类启发式与最坏情况下的性能为2和机器学习聚类算法之间的权衡。在我们的实验中，经济动机因素加上机器学习聚类算法表现最好。
2021-02-16 econ.TH math.OC
An Approximation Algorithm for Stackelberg Network Pricing
我们考虑的问题，最大化的收入提出了从通行费设置在弧的运输网络，约束下，用户被分配到收费兼容的最短路径。我们首先证明了这个问题是强NP-困难的。然后，我们提供了一个多项式时间算法的最坏情况下的精度保证${1/2}\log_2 m_T+1$，其中$m_T$表示收费弧的数量。最后，我们表明，近似是紧的自然松弛通过构建一个家庭的情况下，达到松弛间隙。
2004-09-27 cs.GT math.OC
Price Optimal Routing in Public Transportation
针对公共交通价格最优最早到达问题，提出条件票价网络（CFNs）框架以建模复杂票价结构，并适配MCRAP算法实现平均400毫秒内求最优解。
2024-02-08 cs.DM math.OC
Automatic Generation of Algorithms for Black-Box Robust Optimisation Problems
我们开发的算法能够解决强大的黑盒优化问题，模型运行的数量是有限的。当一个理想的解决方案不能完全实现的目标是找到一个强大的，在最坏的情况下，在一个解决方案周围的不确定性邻域仍然表现良好。这需要在全局最小化内的局部最大化。为了研究鲁棒问题的改进优化方法，并消除手动确定有效的启发式和参数设置的需要，我们采用了自动生成算法的方法：语法指导的遗传编程。我们开发了在粒子群优化框架中实现的算法构建块，定义了从这些组件构建算法的规则，并发展了搜索算法的种群。我们的算法构建块结合了现有技术和新功能的元素，导致一种新的启发式解决方案空间的调查。由于这个进化过程中，我们得到的算法，提高了目前的最先进的。我们还分析了组件级故障的人口的算法开发对他们的性能，以确定高性能的启发式组件的强大的问题。
2020-04-15 cs.NE math.OC
Valid inequalities, preprocessing, and an effective heuristic for the uncapacitated three-level lot-sizing and replenishment problem with a distribution structure
本文研究了具有分销结构的无能力约束的三层批量和补充问题。在这个NP难问题中，一个单一的生产工厂将生产的产品发送到补充仓库，从那里将它们发送给零售商，以满足他们在有限的计划范围内的需求。该问题的目标是确定一个集成的生产和分销计划，使总成本最小化，其中包括固定的生产和运输设置以及可变的库存持有成本。我们描述了新的有效的不平等的空间中的一个标准的混合整数规划（MIP）制定和一个新的替代扩展MIP制定。我们表明，使用这样的扩展配方，有效的不等式具有类似的结构，在标准的允许实现更严格的线性松弛界限。此外，我们提出了一种预处理方法，以减少多商品MIP配方和多开始随机自下而上的动态规划为基础的启发式的大小。计算实验表明，使用有效的不等式的分支和切割的方法显着增加的MIP求解器的能力，以解决实例的最优性。此外，有效的不等式的扩展配方优于那些标准的解决实例的数量，运行时间和枚举节点的数量。此外，所提出的启发式算法能够在很短的计算时间内生成具有相当低的最优性差距的解决方案，即使是大的实例。将预处理方法与启发式相结合，可以实现在时间限制内解决最优性的解决方案的数量的增加，以及解决它们的平均时间的显着减少。
2021-03-11 cs.DS math.OC
High-level hybridization of heuristics and metaheuristics to solve symmetric TSP: a comparative study
针对经典对称 TSP，本文比较八种元启发式方法与 k-OPT、SISR 及线段相交搜索启发式的二十四种高层混合组合，在不调参情况下评估 50–280 城市问题并与文献结果对比。
2024-10-28 cs.DM cs.NE math.OC
Randomized rounding algorithms for large scale unsplittable flow problems
不可分割流问题涵盖了广泛的电信和运输问题，它们的有效解决是许多应用的关键。在这项工作中，我们研究的算法，可以扩展到大型图形和重要数量的商品。我们提出并详细分析了一个启发式的基础上线性松弛的问题和随机舍入。我们提供的经验证据表明，这种方法无论是在缩放性能还是解决方案的质量方面，都与最先进的解析方法具有竞争力。我们提供了一个变化的启发式具有相同的近似因子的国家的最先进的近似算法。我们还得到一个更严格的分析的近似因子的变化和国家的最先进的算法。我们引入了一个新的目标函数的不可分割流问题，并讨论了它与经典的拥塞目标函数的差异。最后，我们讨论了所有上述算法之间的实际性能和理论保证的差距。
2023-03-27 cs.DS math.OC
Dyna-H: a heuristic planning reinforcement learning algorithm applied to role-playing-game strategy decision systems
Complutense University of Madrid（马德里complutense大学）
提出Dyna-H算法，结合启发式搜索与Dyna框架，在角色扮演游戏策略决策中实现无模型在线强化学习，实验表明其性能显著优于Q-Learning和Dyna-Q。
2011-07-30 cs.AI cs.LG cs.SY
