塔布启动式搜索车辆路径问题试题.docVIP

塔布启动式搜索车辆路径问题 摘要 本文回顾了十个最重要的解决车辆路径规划问题的塔布启发式搜索算法。首先描述一些主要的塔布搜索特性：邻里关系结构、短期记忆、长期记忆、强化。然后描述各种塔布搜索的算法，最后给出计算结果和结论。 关键词：车辆路径问题、塔布搜索、启动式。 简介 介绍 传统的车辆路径问题（VRP）可以定义为一个无向图，其中表示顶点，表示边。顶点代表一个车站建立以米为单位的相同的车辆容量Q,其余顶点代表城市或客户。一个非负成本，距离或出行时间的矩阵定义在上。每个客户有一个非负的需求和一个非负的服务时间。VRP需要在m条车辆路径上做出决策满足一系列条件，i）最低总成本；ii）以车站为开始和结束的点；iii）每个客户恰好使用一辆车经过一条路径；iv）任何路径的总需求不超过Q；v）任何路线的总持续时间超过一个预设D。车辆的数量???一个输入值或一个决策变量。在后一种情况下车辆固定成本有时纳入目标函数。 VRP是一个重要的组合优化问题。VRP在分布式管理中占有重要地位。据Toth 与Vigo (2002)报道，在分配过程中运用计算机的处理方法可以节约运输成本从5%到20%不等。Golden, Assad,与 Wasil (2002) 与Barker (2002) 研究了几个案例中运用VRP算法会节约非常可观的成本。 VRP是由Dantzig 与Ramser (1959)在40多年前提出的。此后稳步发展成为解决该类问题的一种有效的解决方案和设计方法，既可以求精确的也可以求近似的解。对于这个问题，当客户数多于50个时，目前仍然没有一个精确算法能够有效的解决该问题（Golden etal., 1998; Naddef and Rinaldi, 2002）。在实践中通常采用启发式方法。 启发式方法包括建设性的启示（例如 Clarke 和 Wright, 1964）逐步建立一个可行解试图保持解决方案成本尽可能低。第二阶段的客户启发式首先被聚合成可行的路线和实际路线然后构造(例如, Gillett 与Miller, 1974; Fisher 和Jaikumar, 1981)改进方法,按照单一的路线通过应用启发式的旅行商问题(TSP)，或者几个路线通过执行客户的再分配和交换。(例如, Thompson 与Psaraftis, 1992; Van Breedam, 1994; Kinderwater 与Savelsbergh, 1997)。据Laporte和Semet(2002),经典启发式通常有一个很低的执行速度因此往往产生的解决方案与最著名的有一个很大的差距（通常在3%至7%之间）。 在过去的十五年里，一些启发式算法为了解决VRP而被提出来。这些通常执行一个全面解决方案的探索空间，允许恶化甚至不可行中间解决方案。很多方法保持一个良好的解决方案是为了重新结合产生跟好的方案。Gendreau, Laporte，与 Potvin (2002)为了VRP已经确定了六个家庭的启发式演算法：模拟退火，确定性退火，塔布搜索，遗传算法，蚂蚁系统和神经网络。虽然任何特定的成功与其执行特性相关，但是很公平的说塔布搜索很明显优于竞争对手的方法。这是一些研究人员通过独立进行大量的计算实验确认的，与Christofides, Mingozzi,的计算结果比较，Toth (1979) (CMT)在十四基准情况下，看到Gendreau, Laporte, 与 Potvin (2002)。我们的目的是比较和VRPd的十个最好的TS实现分析，我们将首先在第2节中描述四个重要特征的TS算法。这将在第3节中关于这些特性分析个体的TS算法和通过评估和第4节中的结论. 塔布搜索特征 塔布搜索是Glover(1986)提出的,它已经迅速成为一个最好的和最广泛的本地搜索的组合优化方法。该方法执行的解空间的探索从解决确定迭代对最优解的一个子集的领域。由于并不一定改善，一个塔布原理是放在适当位置以防止骑行在一个序列的解决方案。这是一种幼稚的方法来防止骑行,为的是禁止这一过程回到以前遇到的解决方案。但这样做通常会需要额外的簿记。然而，过去解决方案的一些属性是记名的与任何解决方案的这些属性可能不被认为是为了的迭代，这种原理通常被称为短期储存。其他特征比如多样化和强化通常被执行，多样化的目的是确保在搜索过程中不会限制解空间有限的那一部分。它保持跟踪过去的解决方案和频繁执行动作的不利，这通常称为长期储存。强化包含执行一个强调搜索周围最好的解决方案。一些调查论文和书记都写在TS上。其中我们推荐Glover 和Laguna (1993, 1997)，和Hertz 与 de Werra(1991)。接下来，我们研究领域结构，短期和长期记忆策略，并且强化方法