VRP和调度问题的主流精确算法和启发式算法

对于VRP问题，

branch and price，B&P，分支定价（集合划分，节点必须属于某路径+列生成，每次生成新路径+分支定界，每个节点用列生成，外层套分支定界），用得已经很普遍了，大约可以解决100个点；

branch and cut，B&C（分支定价+割平面，每次添加违背的约束即行也即割平面），分支切割，用的程度稍少之；

branch and price and cut，BCP，分支定价切割（分支定价+割平面），用的程度更少之，大约可以解决200个点。

核心：删除解空间，局部代替整体的思路。删除的解空间越多，求解的效率越高。

也就是说解决大规模问题，现在的主流的精确算法是BCP，与之比较的是ALNS，自适应大邻域搜索（别的什么遗传算法，粒子群等等，根本不能与之比）。BCP和ALNS的特点是用局部搜索来逼近全局搜索最优点。换句话说，开发大规模的精确算法，可以与之一比的是ALNS，别的启发式算法不要比（一比就说明不是行家，不懂行情。）

对于调度问题，

不知道是不是我检索的比较少，有视野盲区，感觉用得比较多或者说主流算法是禁忌搜索TS，和变邻域搜索VNS，以及迭代搜索IS。可能还有构造式算法等系列的，ALNS好像用得不多。

目前开发的精确算法也集中在B&P，B&C，BCP，也就是说和VRP的精确算法差不多，只有子问题有点小区别。也就是说，可以互相借鉴。

实现出精确算法是我的目标，感觉还需要做一些功课。只有真正实现了，才能说组合优化，混合整数规划学明白了吧。