車輛路徑問題VRPTW學習之一開篇

為了更好的學習vrp問題，準備將vrp問題的相關演算法、運算元、策略和技巧進行復現，編寫自己的vrp**庫。與此同時，在部落格上更新自己的學習程序，也是給自己的督促。除此之外，我將把問題限定在vrptw中，因為實際問題中，通常都包含了時間窗約束，同時還能解決duration的約束。先把我的vrp**的規範和說明介紹下，本人先使用lua語言，在microcity上執行，之後會改用python和c++改寫。lua裡的資料結構就是table搞定所有，所以開發起來特別方便。

classes：

route路徑：route = ,,; weight=10, ttype=1}

solution（路徑集）： routes = {}

輸入引數：

二維距離和時間矩陣矩陣：

節點資訊：

nodes[1] = 包括座標、需求（這裡提前考慮後期的重量、體積約束）、節點型別（depot：1，delivery：2，pickup：3，chargestation：4）

車輛資訊：

vehicle = } 為多車型做準備

演算法目錄：

constructive algorithms：最近鄰插入，節約里程（cw）法，solomon insertion i

metaheuristic algorithms：模擬退火，禁忌搜尋，變鄰域搜尋，大規模鄰域搜尋

exact algorithms：列生成，branch&price

以上其實都已經完成，持續貼出**。

行，開始斷更很久的vrp刷書記錄。

本書第一章就不寫了，都是基礎，應對滾瓜爛熟。

本章給出了local search（鄰域搜尋）的基本框架，介紹了經典moves，並討論了feasibility tests，genericity，multiple neighborhoods，very constrained problems，complex moves and accelerattion。

我們選用augerat et al.的set a中的例子1，『a-n32-k5.vrp』進行我們的演算法測試。

name : a-n32-k5 comment : (augerat et al, min no of trucks: 5, optimal value: 784) type : cvrp dimension : 32 edge_weight_type : euc_2d capacity : 100

大家可以看看例子的說明。32個點，capacity是100，歐幾里得距離。

local search 的幾個步驟如上，

node relocation and node exchange

在呼叫這些運算元的時候，我想寫成迭代器（iterator）來遍歷這些鄰域。

closure是一種可以訪問其外部巢狀環境的區域性變數的函式。

建立「非區域性的變數」（non-local variable）

function values(t)
local i = 0
return function () i = i + 1; return t[i] end 
end

local search 的大部分操作的時間複雜度都是o(n2)，但是需要使用很多次，碰到large scale的問題就跑不動了，因此我們想尋找一些加速的techniques。

也就是在feasibility tests的時候，根據問題和資料調整the order of tests，當然是容易violate的放前面，這樣會提前跳出。當然，怎麼確定順序或者動態調整順序，我們後期到了vrptw了再詳談。

1 restricted number m of randomly selected moves, 後期再講；

2 lists of neighbors，這個之前我用過，不錯，也下次再詳述。

3 vertex marking，第一次見，之後試試，感覺挺有意思。

4 sequential search，

車輛路徑問題VRPTW學習之一開篇

車輛路徑問題之jsprit（二） jsprit特性

VRP（車輛路徑問題）的兩種簡單演算法

c 學習之一

車輛路徑問題VRPTW學習之一 開篇

車輛路徑問題之jsprit（二） jsprit特性

VRP（車輛路徑問題）的兩種簡單演算法

c 學習之一

相關推薦

車輛路徑問題VRPTW學習之一開篇