[论文解读] Heuristics for Vehicle Routing Problem: A Survey and Recent Advances

Fei Liu, Chengyu Lu+4 more|arXiv (Cornell University)|Mar 1, 2023

Vehicle Routing Optimization Methods被引用 17

一句话总结

本论文系统性综述了车辆路径问题启发式算法（构造、改进和元启发式），勾勒出一个通用框架，并讨论如统一启发式、自动设计和机器学习辅助等新兴主题。

ABSTRACT

Vehicle routing is a well-known optimization research topic with significant practical importance. Among different approaches to solving vehicle routing, heuristics can produce a satisfactory solution at a reasonable computational cost. Consequently, much effort has been made in the past decades to develop vehicle routing heuristics. In this article, we systematically survey the existing vehicle routing heuristics, particularly on works carried out in recent years. A classification of vehicle routing heuristics is presented, followed by a review of their methodologies, recent developments, and applications. Moreover, we present a general framework of state-of-the-art methods and provide insights into their success. Finally, three emerging research topics with notable works and future directions are discussed.

研究动机与目标

• 将车辆路径问题启发式算法分为构造、改进和元启发式，并概述方法、发展及应用。
• 为最先进的VRP方法提供一个通用框架，并识别优点、弱点和成功因素。
• 突出统一启发式、自动启发式设计和机器学习辅助方法等新兴研究主题及未来方向。

提出的方法

• 将VRP启发式分为三大类：构造、改进和元启发式，并评述它们的方法论与应用。
• 给出最先进VRP方法的通用算法框架，并总结其组成部分与成功因素。
• 讨论构造、改进和元启发式方法的最新进展与实际应用，包括算法关系和性能考量。

实验结果

研究问题

• RQ1 VRP启发式的主要类别与方法论有哪些，以及它们最近如何演变？
• RQ2 统一构造、改进和元启发式类别中不同VRP启发式的SOTA框架是什么？
• RQ3 推动未来VRP研究的新兴主题有哪些（统一启发式、自动设计、ML辅助方法）？

主要发现

• 构造性启发式能快速产生可行解，但通常与最优解存在差距，常见方法有最近邻、插入、节省、扫掠等。
• 改进启发式通过探索邻域（同路线内和跨路线）来有效达到局部最优，在计算量与解质量之间存在权衡。
• 元启发式（单解和基于种群）主导VRP研究，ALNS与大规模邻域搜索显示出强大的实际影响；机器学习与强化学习用于引导或选择移动。
• 越来越多地将机器学习技术整合用于引导改进与搜索策略，包括学习成本下降和操作符的动态选择。
• 本文确定了三个新兴主题：统一启发式、自动启发式设计和机器学习辅助启发式，并讨论未来方向。