再来一下！

DP（动态规划），MDP（马尔可夫决策过程），和SDP（随机动态规划）是解决动态优化问题的三种相关方法或框架，它们之间既有联系也有重要区别。

邻域搜索算法、大邻域搜索算法和自适应大邻域搜索算法是一类用于求解组合优化问题的算法，它们在搜索问题解空间时有一些联系和区别。这些算法使用不同的策略来生成邻域解，并选择改进的解进行移动。自适应大邻域搜索算法结合了邻域搜索和大邻域搜索的思想，并具备自适应性，即根据问题的特性动态地调整搜索策略。自适应大邻域搜索算法试图在不同阶段充分利用大邻域的优势，同时避免因搜索空间过大而导致搜索难度增加的问题。大邻域搜索算法与邻域搜索算法类似，但它更加聚焦于探索更大规模的邻域，通常会涉及到更多的解的改变。

概念理解干货 | 自适应大邻域搜索(Adaptive Large Neighborhood Search)入门到精通超详细解析-概念篇优点、步骤和python示例代码自适应大邻域搜索算法参考文献及算法应用[1]王新. 车辆和无人机联合配送路径问题研究[D].大连海事大学,2020.[2]李婷玉. 多商户多车程同城物流配送车辆调度问题研究[D].大连理工大学,2018.[3]张梦颖. 不确定因素下路径规划问题研究[D].中国科学技术大学,2016.破坏解修复解动态调整权重并选择（自适应）。

基于分解的多目标进化算法。该方法将一个多目标优化问题分解为一组单目标优化问题或多个多目标子问题，利用子问题之间的邻域关系，通过协作方式同时优化所有子问题，从而找到整个Pareto面的逼近。通常子问题的定义由权重向量确定，子问题间的邻域关系是通过计算权重向量之间的欧氏距离来确定的。1 MOEA/D提供了一个简单但是有效的方法，那就是将分解的方法引入到多目标进化计算中。

注：此次总结的只是多目标性能评价指标中很少的一部分。

动态调度问题