VRP问题测试集

各类VRP问题标准算例资源汇总

写在前面:以前一直以为这些算例的数据以及随时更新的最优解信息是很容易获取的资源,最近要用的时候才发现事实并非如此!!!所以我决定总结一下这次网上冲浪的心得并推荐部分资源

直接搜索

万能的搜索引擎确实为我找到了挺多资源,但并没有我需要的,不是规模不合适就是约束不合适,而且大部分都没有记录各算例对应的现有最优解信息,总之含金量不高。

指路明灯-论文

找与研究问题相似的论文
比如你研究的是VRPTW,那就找这方面的论文,一般只要论文提出了新算法,就需要标准算例的验证,大概率会提到标准算例的获取途径( 我看过的都有),但这个途径也可能只是一篇参考文献,比如它说的是“XXX提出来的算例”,顺着这个路子找下去,基本就没啥问题了。

推荐资源

推荐理由:内容详实,给出的已知最优解都标注了参考文献。

   
   
  • 1

1、https://neo.lcc.uma.es/vrp/vrp-instances/.
这个挺齐全的,共有以下八类算例,都可以下载,而且 数据的解释也很详细,每一类里面还会有好几种算例,可以根据自己的需要选择,绝对是首选宝藏!!!
标准算例类型
2、 https://www.sintef.no/projectweb/top/vrptw/solomon-benchmark/.
这个主要提供了PDPTW和VRPTW两类问题的算例,特别完整,详见下图。我很早之前就下载过里面1000个客户点的Homberger benchmark,可利用。

在这里插入图片描述
在这里插入图片描述

精力有限,目前只发现了这俩,希望能给大家的相关搜索带来帮助,当然,如果朋友们有更好的资源,欢迎评论,提前致谢!!!

参考资料(跪谢)

1 易云飞,蔡永乐,董文永,林郭隆.求解带容量约束的车辆路径问题的改进伊藤算法[J].计算机科学,2013,40(05):213-216.
2 https://jishuin.proginn.com/p/763bfbd23474.

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
北研测试平台开发小组,许可授予者,将在你接受以下全部条款的条件下才能授予测试平台和工具的应用许可。 在你继续之前,请仔细的阅读所有的条款。你如果“继续”表示你已经仔细阅读,理解和同意所有的条款。如果你不同意,将不能给你授予以下软件的应用许可,你应该停止,并删除你得到的所有测试平台的软件和测试工具。 注意用户的主要的原则性的条款如下: 本许可软件只适用于一个CPU。 本许可软件仅供内部使用。 本许可软件不能分发给其他人和超过一个CPU以上的机器。 本许可软件只能用于公司产品开发测试使用。 本许可软件只能在实验室应用,不能在办公环境使用。 本许可软件只能应用于被测试产品,严禁测试网上设备。严禁将本软件带往包括但不限于(用户,开局,网络)等。 本软件的测试结果只能在产品内部报告,不能用于产品以外和公司组织以外的任何地方。 本许可为可执行文件的应用许可,不包括对包含但不限于源代码,目标文件,连接库,文档的许可,其它的任何许可权利保留,不授予任何用户。 本软件和一起提供的任何文档材料受公司法规和国家,国际法律的保护,未被授权的复制,分发,修改(包含其中的部分)将依照法律和相关规定进行处罚。条约如果和公司规定,国家法律不一致,以公司规定和国家法律为准。 本许可适用于以下北研测试部技术开发的所有软件。条约没有包含的所有权利保留。 由于本测试软件可能出现的问题,造成的用户数据丢失,设备死机,等后果,本协议授予方北研测试分部不承担任何责任,使用前请务必明确。 本许可协议生效日期为2001年1月1日,制定者为北研测试分部,测试平台开发小组,华为技术有限公司,中国。
VRP问题(Vehicle Routing Problem)是指在一组客户点之间,以最少的车辆将货物从一个起始点送达目标点的问题。Gurobi是一个强大的数学规划求解器,可以用于解决VRP问题。 要使用Gurobi求解VRP问题,首先需要定义问题的数学模型。通常,VRP问题可以建模为一个带有约束和目标函数的整数规划问题。约束包括车辆容量约束、路径连通性约束等。目标函数可以是最小化总路径长度、最小化车辆使用数量等。 在建立数学模型之后,可以使用Gurobi提供的API来求解VRP问题。具体步骤包括创建模型对象、添加变量、添加约束、设置目标函数和求解模型。 以下是一个简单的示例代码,展示了如何使用Gurobi解决基本的VRP问题: ``` import gurobipy as gp from gurobipy import GRB # 创建模型对象 model = gp.Model("VRP") # 添加变量 x = {} # x[i, j, k]表示是否从点i到点j经过车辆k for i in range(num_customers): for j in range(num_customers): for k in range(num_vehicles): x[i, j, k] = model.addVar(vtype=GRB.BINARY) # 添加约束 # ... # 设置目标函数 # ... # 求解模型 model.optimize() # 输出结果 # ... ``` 请注意,上述代码只是一个简单的示例,实际求解VRP问题可能涉及到更多的数学模型细节和约束条件。建议参考Gurobi官方文档和示例代码,以获得更详细的使用说明和指导。 希望以上信息对您有所帮助!如有更多问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值