ALNS的接受准则对比

基于CMST的Wilcoxon检验，并使用平均运行和总体最佳之间的偏差。上面的方法支配下面的方法。更蓝、更粗的弧线意味着偏差的差异更大

基于CVRP的Wilcoxon检验，并使用平均运行和总体最佳之间的偏差。上面的方法支配下面的方法。更蓝、更粗的弧线意味着偏差的差异更大

基于CVRP的简单LNS的Wilcoxon检验并使用平均运行与总体最佳结果之间的偏差绘制的图表。上面的方法支配下面的方法。更蓝、更粗的弧线意味着偏差的差异更大

在这篇文章中，提出了几种接收准则用于自适应大邻域搜索元启发式算法。这些接收准则包括：

1. 模拟退火（SA）：使用指数或线性的方式降低温度，以控制接受劣解的概率。
2. 随机重启模拟退火（RRT）：在搜索过程中进行随机重启，以避免陷入局部最优解。
3. 阈值接收准则（TA）：只接受解的成本低于阈值的情况。
4. 深度搜索（GD）：通过逐步降低水位来接受解，只有解的成本低于当前水位时才接受。
5. 非线性深度搜索（NLGD）：类似于GD，但水位的降低速度会根据搜索过程的不同阶段而变化。

这些接收准则在不同问题和不同变体中表现出不同的性能。根据实验结果，可以得出结论，RRT可能是最好的接收准则，但SA和TA也在某些情况下表现出色。此外，线性版本的RRT和TA通常优于指数版本。对于GD和NLGD，没有明确的结论，因为它们的性能在不同问题上有所不同。

关键词

adaptive large neighbourhood search, metaheuristic, acceptance criteria

文章概述

本研究比较了自适应大邻域搜索元启发式算法中的不同接受准则。研究发现，不同的接受准则对算法的性能有显著影响。其中，SA、RRT和TA是表现最好的接受准则，而RW和HC则表现较差。此外，研究还发现线性版本的RRT和TA优于指数版本，并且固定终点的版本与动态调整终点的版本在性能上没有明显差异。这些结果对于改进自适应大邻域搜索算法的性能和效果具有重要意义。

研究背景

本篇文章的研究背景是关于自适应大邻域搜索（ALNS）元启发式算法的研究。ALNS是一种解决组合优化问题的有用框架，它由一些组件组成，这些组件必须根据具体的优化问题进行调整，而其他组件则是问题无关的。其中一个重要的组件是移动接受准则，它影响搜索轨迹。目前对于ALNS中不同移动接受准则的相对优劣的评估研究较少。因此，本文通过大量的计算实验，对比了一系列不同的移动接受准则，并对其进行排名。研究的目标是量化使用不同接受准则对性能的影响，提出哪种接受准则更适合ALNS的实现，并尝试测量接受准则对搜索行为的影响。

研究思路

本研究的研究问题是比较自适应大邻域搜索元启发式算法(ALNS)中不同的接受准则的效果。ALNS是一种元启发式算法，用于解决组合优化问题。在ALNS中，通过破坏和修复方法的顺序应用来定义邻域。破坏方法将一个可行解转化为一个不完整的解，而修复方法将不完整的解转化为一个可行解。本研究考虑了多种破坏和修复方法的组合，并比较了不同的接受准则对算法性能的影响。

研究思路如下：
1. 首先，对ALNS算法进行简要描述，包括其基本原理和算法框架。
2. 接着，列举了本研究中比较的不同接受准则，并对它们进行了详细说明。
3. 然后，描述了用于测试的问题实例，包括车辆路径问题、容量最小生成树问题和二次分配问题。
4. 在此基础上，详细描述了ALNS算法在解决这些问题实例时的具体实现细节。
5. 接下来，解释了如何调整与接受准则相关的参数，以优化算法性能。
6. 在计算结果部分，报告了使用不同接受准则的算法在测试问题上的计算结果。
7. 最后，在结论部分总结了研究的发现。

通过比较不同接受准则在ALNS算法中的表现，本研究解决了如何选择合适的接受准则来提高算法性能的问题。

研究结果

根据这篇文章的内容，研究的目标是比较不同的移动接受准则对自适应大邻域搜索（ALNS）元启发式算法的性能和搜索行为的影响。研究使用了四个不同的问题实例（CMST，CVRP，简化CVRP和QAP）进行实验，并比较了多个移动接受准则的性能。

研究的每个步骤都提供了详细的研究结果。首先，通过比较每个移动接受准则的平均解与最佳已知解之间的偏差，得出了每个准则的性能差异。结果表明，某些准则的性能明显优于其他准则，而某些准则则表现一般。其中，线性RRT在CVRP和QAP问题上表现最好，而线性SA在CMST问题上表现最好。

其次，研究还比较了不同变体（线性和指数版本）和参数设置（固定端点和自适应端点）对准则性能的影响。结果表明，线性版本的RRT和TA优于指数版本，并且固定端点和自适应端点的参数设置对性能没有明显影响。

此外，研究还使用多元线性回归分析了不同移动接受准则对搜索行为的影响。通过收集每次运行期间的统计数据，研究发现不同准则对解的改进、拒绝移动的连续次数等因素有不同程度的影响。

总体而言，这篇文章提供了详细的研究结果，论证了实验的假设。研究结果表明，不同的移动接受准则对ALNS算法的性能和搜索行为有显著影响，某些准则表现优于其他准则，并且准则的变体和参数设置也对性能有一定影响。

研究结论与讨论

1、研究结论：本文的研究结论是在比较自适应大邻域搜索元启发式算法中的不同接受准则时，发现SA、RRT和TA是表现最好的接受准则。其中，RRT可能是最好的接受准则。此外，线性版本的RRT和TA比指数版本更好。

2、研究的创新性：本研究的创新性在于比较了不同接受准则在自适应大邻域搜索中的性能表现，并提出了RRT可能是最好的接受准则。此外，还比较了线性和指数版本的接受准则的性能差异。

3、研究的不足之处：本研究的不足之处是只比较了有限数量的接受准则，并且只针对特定的问题进行了比较。此外，对于接受准则对搜索行为的影响，只进行了统计分析，没有进行深入的探究。

4、研究展望：基于本研究的结果，后续可能的研究方向包括进一步比较更多的接受准则，并扩大研究范围，涵盖更多的问题。此外，可以进一步研究接受准则对搜索行为的影响，探究其内在机制。

5、研究意义：本研究的理论意义在于提供了关于自适应大邻域搜索中接受准则性能的比较结果，为算法设计和优化提供了参考。在实践上，本研究的结果可以指导实际问题的求解，提高求解效率和质量。