策略梯度的超启发算法求解带容量约束车辆路径问题

有容量车辆路径问题是组合优化问题中比较热门的问题,它属于经典的NP-hard问题并且时间复杂度高.本文提出了一种基于策略梯度的超启发算法,将强化学习中的确定性策略梯度算法引入到超启发算法的高层策略中的底层算法选择策略,确定性策略梯度算法采用Actor-Critic框架,另外为了能够在后续计算和神经网络参数更新中引用历史经验数据,在确定性策略梯度算法中设计了经验池用于存储状态转移数据.在超启发算法解的接受准则方面,文中通过实验对比了3种接受准则的效果,最终选择了自适应接受准则作为高层策略中解的接受准则.通过对有容量车辆路径问题标准算例的计算,并将求解结果与其他算法对比,验证了所提算法在该问题求解上的有效性和稳定性.

考虑时效性与公平性的应急物资选址配送问题及算法研究

为了应对应急救灾初期资源储备不足的情况,本文提出了一个兼顾时效性与公平性的多目标应急救灾物资的选址—配送模型。其中一个目标为总体成本,包括时间成本、运输成本和配送中心运营成本,另一个目标是物资短缺数量,将物资分配与灾区紧迫程度结合,以期实现最大化的公平。同时提出了一个多目标超启发式优化框架来解决所提多目标问题。在该框架中,提出了3种高层选择策略和4个接受准则,以提高多目标超启发式框架的性能。通过实验,确定了模型参数,证明了所提模型的有效性。并引入3个评价指标,实验对比分析表明所提多目标算法在3个评价指标上优越于NSGA-II以及多目标粒子群算法(MOPSO)。