塔布启动式搜索车辆路径问题资料.docxVIP

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 G (V,E) ，其 中 V {V0 ,V1 , ,Vn} 表示顶点， E {( Vi ,V j ) :Vi ,V j V , i j} 表示边。顶点 V0 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 C (cij ) 定义在 E 上。每个客户 vi 有一个非负的需求 qi 和一个非负的服 务时间 si 。 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。车辆的数量是一个输入值或一个 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 Xt 确定迭代 t 对最优解 Xt 1 的一个子集 Xt 的领域 N ( X t ) 。由于并不一定改善 X t 1 ， Xt 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