[论文解读] An Improved Tabu Search Heuristic for Static Dial-A-Ride Problem
本文针对静态Dial-A-Ride问题(DARP)提出了一种改进的禁忌搜索(ITS)启发式算法,通过集成一种新型构造启发式方法和时间窗调整技术,显著加快了收敛速度并提升了解的质量。在多个基准实例上,该方法比经典禁忌搜索实现近似最优解的速度快达3倍,且在早期执行阶段性能提升显著。
Multi-vehicle routing has become increasingly important with the rapid development of autonomous vehicle technology. Dial-a-ride problem, a variant of vehicle routing problem (VRP), deals with the allocation of customer requests to vehicles, scheduling the pick-up and drop-off times and the sequence of serving those requests by ensuring high customer satisfaction with minimized travel cost. In this paper, we propose an improved tabu search (ITS) heuristic for static dial-a-ride problem (DARP) with the objective of obtaining high-quality solutions in short time. Two new techniques, initialization heuristic, and time window adjustment are proposed to achieve faster convergence to the global optimum. Various numerical experiments are conducted for the proposed solution methodology using DARP test instances from the literature and the convergence speed up is validated.
研究动机与目标
- 解决经典禁忌搜索在静态Dial-A-Ride问题(DARP)中收敛缓慢及首次可行解耗时过长的问题。
- 通过减少对任意初始解的依赖,提升DARP问题的解质量与计算效率。
- 开发一种鲁棒、快速收敛的元启发式算法,平衡搜索空间中的探索与精化。
- 实现高质解的快速部署,适用于实时或时间敏感的交通应用场景。
- 为动态DARP问题的扩展以及在高性能计算架构上的并行化提供基础。
提出的方法
- 提出一种新型构造启发式方法,可快速生成高质量初始解,显著缩短首次可行解的生成时间。
- 引入时间窗调整技术,动态优化时间窗约束,加速向最优解的收敛。
- 采用混合禁忌搜索框架,结合邻域评估与插入技术,配备自适应禁忌 tenure 和吸收集准则。
- 使用改进的禁忌搜索变体(TS₃₂(CH+TW)),集成构造启发式与时间窗调整技术,以提升整体性能。
- 实施多阶段搜索策略:初始解构造、局部邻域探索,以及通过路由间与路由内移动的迭代优化。
- 采用C++实现,使用标准化参数,确保与现有禁忌搜索方法在标准DARP基准上的公平比较。
实验结果
研究问题
- RQ1构造启发式是否能显著缩短禁忌搜索在DARP问题中首次可行解的生成时间?
- RQ2动态时间窗调整是否能提升禁忌搜索在DARP问题中的收敛速度与解质量?
- RQ3在多种DARP实例上,所提出的ITS启发式与经典禁忌搜索相比,在解质量与收敛速度方面表现如何?
- RQ4构造启发式与时间窗调整的结合在多大程度上提升了禁忌搜索在DARP问题中的性能?
- RQ5所提出的ITS方法是否能在标准基准实例上于短时间内(如60秒)获得近似最优解?
主要发现
- 所提出的ITS启发式在所有测试时间点(包括执行前60秒内)的解质量均优于经典禁忌搜索(TS)。
- 以实例R1a为例,ITS在60秒时与最优已知解(BKS)的解差距为1.42%,而经典TS为3.12%。
- 构造启发式使首次可行解的生成时间平均缩短70%(见表LABEL:tab:comparison2)。
- 时间窗调整技术有助于加快收敛,减少达到高质量解所需的迭代次数。
- 平均而言,ITS在执行前3分钟内相较经典TS实现25%-40%的解质量提升。
- 混合变体TS₃₂(CH+TW)始终优于单独使用构造启发式或时间窗调整的版本,展现出显著的协同增益效果。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。