Khái niệm cốt lõi
Das Ziel ist es, die Länge der längsten Tour unter einer Menge von Touren zu minimieren, indem eine lerngeleitete iterierte Lokalsuche verwendet wird.
Tóm tắt
Der Artikel präsentiert einen lerngeleiteten iterierten Lokalsuchansatz (MILS) zur Lösung des Minmax-Multiple-Traveling-Salesman-Problems (Minmax mTSP). Das Minmax mTSP zielt darauf ab, die Länge der längsten Tour unter einer Menge von Touren zu minimieren.
Der MILS-Algorithmus besteht aus mehreren komplementären Suchkomponenten:
Eine Lokalsuchprozedur verwendet die Best-Improvement-Strategie, um verschiedene Nachbarschaften zu erkunden und hochwertige lokale Optimalwerte zu erreichen.
Ein probabilistisches Akzeptanzkriterium sorgt für kontinuierliche Diversifizierung, um verschiedene Regionen des Suchraums zu besuchen.
Ein Multi-Armed-Bandit-Algorithmus wählt geeignete Entfernungs- und Einfügeoperatoren, um aus tiefen lokalen Optima zu entkommen.
Eine effiziente TSP-Heuristik wird verwendet, um einzelne Touren zu optimieren.
Umfangreiche Experimente auf 77 gängigen Benchmark-Instanzen zeigen, dass der MILS-Algorithmus hervorragende Ergebnisse in Bezug auf Lösungsqualität und Rechenzeit erzielt. Insbesondere findet er 32 neue beste bekannte Ergebnisse und erreicht die besten bekannten Ergebnisse für 35 weitere Instanzen. Zusätzliche Experimente liefern Erkenntnisse über die Zusammensetzung der Algorithmuskomponenten.
Thống kê
Die Instanzen umfassen 51 bis 5915 Städte und 3 bis 30 Touren.
Der MILS-Algorithmus findet 32 neue beste bekannte Ergebnisse und erreicht die besten bekannten Ergebnisse für 35 weitere Instanzen.
Trích dẫn
"Der MILS-Algorithmus erzielt hervorragende Ergebnisse in Bezug auf Lösungsqualität und Rechenzeit."
"Insbesondere findet der MILS-Algorithmus 32 neue beste bekannte Ergebnisse und erreicht die besten bekannten Ergebnisse für 35 weitere Instanzen."