期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
求解异构带容量车辆路径问题的带有注意力协作机制的分层解码器模型
1
作者 郑明杰 曹霑懋 《计算机工程与科学》 北大核心 2025年第9期1669-1678,共10页
现有求解带容量车辆路径问题(CVRP)的深度强化学习(DRL)方法主要用于处理同构车队,即车队都具有相同容量。然而,在面对更贴近现实的异构车队时,现有的DRL方法效果不佳。以最小化路径长度为目标,提出一种新型的DRL模型,用于求解具有不同... 现有求解带容量车辆路径问题(CVRP)的深度强化学习(DRL)方法主要用于处理同构车队,即车队都具有相同容量。然而,在面对更贴近现实的异构车队时,现有的DRL方法效果不佳。以最小化路径长度为目标,提出一种新型的DRL模型,用于求解具有不同容量约束的异构带容量车辆路径问题(HCVRP)。具体来说,提出一种由2类解码器构成的分层解码器模型(HDM):路由分配解码器(RAD)和序列构建解码器(SCD)。RAD将节点分配给合适的车辆以形成若干的组,SCD则对组内的节点顺序进行构建,以最小化总路径长度。此外,还设计了一种注意力协作机制(ACM),旨在促进SCD之间的信息共享,以优化各组节点顺序,从而提高整体解决方案的质量。实验结果表明,HDM模型超越了现有的最先进的深度学习方法,能够在合理的时间内提供与传统优化求解器相当的解决方案。 展开更多
关键词 异构容量车辆路径问题 分层解码器模型 路由分配解码器 序列构建解码器 注意力协作机制
在线阅读 下载PDF
自适应混合蚁群算法求解带容量约束车辆路径问题 被引量:2
2
作者 辜勇 刘迪 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2023年第12期1686-1695,1704,共11页
针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,... 针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,由遗传算法构造近似解,根据问题编码特性设计了适应度函数和遗传算子,提高了构造效率,并采用Clark和Wright节约算法将近似解修复成可行解.采用扫描法和2-opt局部优化方法提高可行解的质量.标准算例的实验结果表明,该算法在求解CVRP问题上具有良好的寻优精度和寻优效率.灵敏度分析结果表明蚂蚁数量对算法性能具有显著影响. 展开更多
关键词 容量约束车辆路径问题 子回路组合 近似解可行化 自适应混合蚁群算法 灵敏度分析
在线阅读 下载PDF
自适应大邻域搜索的人工蜂群算法求解带容量约束车辆路径问题 被引量:17
3
作者 夏小云 庄鹤林 +2 位作者 杨火根 向毅 陈泽丰 《计算机集成制造系统》 EI CSCD 北大核心 2022年第11期3545-3557,共13页
为解决带容量约束的车辆路径问题(CVRP)求解时收敛能力与探索能力不足、耗时长等问题,提出一种基于大邻域搜索的人工蜂群优化算法。设计了5个移除算子和2个插入算子,采用算子区别应用机制、仔细侦查蜂机制、更新策略宽松机制优化算法。... 为解决带容量约束的车辆路径问题(CVRP)求解时收敛能力与探索能力不足、耗时长等问题,提出一种基于大邻域搜索的人工蜂群优化算法。设计了5个移除算子和2个插入算子,采用算子区别应用机制、仔细侦查蜂机制、更新策略宽松机制优化算法。所提算法能够快速搜索到可接受解,在实验数据集上能收敛到大部分已知最优解,并更新了4个已知最优精准解。实验结果表明,3种优化策略均能有效提升算法效率,算法具有较好的综合性能。 展开更多
关键词 容量约束车辆路径问题 人工蜂群算法 自适应大邻域搜索 算子区别应用机制 宽松更新策略
在线阅读 下载PDF
求解随机旅行时间的C-VRP问题的混合遗传算法 被引量:15
4
作者 李锋 魏莹 《系统管理学报》 CSSCI 2014年第6期819-825,831,共8页
现实中,行驶在道路上的车辆由于车流量等因素导致车辆通过时间随着时间的变化而波动较大。因此,标准车辆路径问题中关于车辆在道路上的行驶速度或通过时间恒定的假设前提通常不能得到满足。以标准的带容量约束的车辆路径问题为基准,研... 现实中,行驶在道路上的车辆由于车流量等因素导致车辆通过时间随着时间的变化而波动较大。因此,标准车辆路径问题中关于车辆在道路上的行驶速度或通过时间恒定的假设前提通常不能得到满足。以标准的带容量约束的车辆路径问题为基准,研究当道路的通过时间随着时间的变化而变化,并综合考虑行驶距离、行驶时间等多项目标下车队的最佳路线安排。为了求解所提出的扩展问题,设计了一个模拟退火与遗传算法相结合的多目标混合遗传算法,用于计算得到研究问题的最优Pareto集合。通过对多个基准问题的算法测试,验证了算法的有效性。 展开更多
关键词 容量约束的车辆路径问题 随机旅行时间 遗传算法 模拟退火 多目标
在线阅读 下载PDF
一种求解CVRP的动态图转换模型 被引量:2
5
作者 王扬 陈智斌 《计算机工程与科学》 CSCD 北大核心 2023年第5期859-868,共10页
带容量的车辆路径问题是组合最优化问题中的经典问题,多年以来一直被反复研究。最近,Transformer已经成为解决车辆路径问题的主流深度学习架构。然而,由于一个实例在模型不同构造步骤中会发生改变,相应的节点特征也需要更新,传统位置编... 带容量的车辆路径问题是组合最优化问题中的经典问题,多年以来一直被反复研究。最近,Transformer已经成为解决车辆路径问题的主流深度学习架构。然而,由于一个实例在模型不同构造步骤中会发生改变,相应的节点特征也需要更新,传统位置编码方法不适用于提取动态优化问题的位置信息。因此,现有方法在提高学习效率方面效果较差。以最小化路径长度为目标,提出一种动态图转换模型(DGTM)和动态位置编码(DPE)方法,并使用一种双重损失REINFORCE算法训练DGTM模型。此外,强化学习、图神经网络和Transformer架构相结合,提高了模型的训练效率,增强了神经网络对带约束路径问题信息的表征能力。实验结果表明,DGTM模型在此问题上的优化效果超越了目前基于深度强化学习的方法和部分传统算法,整体性能优于专业求解器的,且具有较好的泛化性能,为求解图上组合最优化问题提供了一种有效方法。 展开更多
关键词 容量车辆路径问题 动态图转换模型 动态位置编码 深度强化学习 图神经网络 组合最优化问题
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部