白盒测试基本路径生成工具_基于基本最短路径列生成的车辆路径问题

论文作者：Alain Chabrier

论文发表日期：2005

摘要

车辆路径问题的列生成模型通常包含一个基本的最短路径子问题。由于该问题已知算法的最坏情况复杂度过高，其基本路径约束通常被松弛。实际上，由于每个客户必须被访问一次，所以有和没有基本路径约束的两个问题都有相同的最优整数解。在这篇文章中，我们提出了一个理论和几个实践改进算法的基本路径。我们获取最好的下界和修建搜索树，这些改进允许我们寻找精确的解决方案。

1 介绍

文本研究VRPTW问题，分为两类，一类是启发式算法，快速寻找可行解，通常基于本地搜索技术有时与约束规划的混合合作。令一方面精确算法聚焦于发现最优解。列生成技术就是精确算法的一部分。通过 Dantzig–Wolfe分解将原始的线性规划问题分解为一个线性RMP和一个定价的子问题。这个主问题变成一个二元变量的分区问题，定价子问题负责生成新的有希望列约束最短路径问题。子问题分解的版本必须可以解决ESPRCTW（资源约束和时间窗的基本最短路径问题）。路径中循环通常被松弛，通过SPRCTW（资源约束和时间窗的最短路径）代替。在这种情况下，可以看出，该列生成模型的最优整数解在放宽循环约束的情况下，只包含基本路径。松弛掉循环约束的最主要的原因是可以使用更强大的算法来解决SPRCTW而不是解决ESPRCTW问题。事实上，伪多项式算法是可用的SPRCTW，而相反，它已表明，ESPRCTW是NP-hard[14]。在本文中，我们提出了ESPRCTW的几个优点，如在放宽限制的主问题下获得了更好的下界质量，并提出了几种技术来降低考虑循环约束对效率的影响。

2 VRP分解模型

车辆k最大载重

客户i的需求

时间窗

弧的集合

节点i到节点j的距离

2.1 MIP模型

弧(i,j)是否在车辆k上

表示在车k到达节点i的到达时间

MIP模型

2.2 Dantzig–Wolfe 分解

对于给定的路线k考虑矩阵

对应于约束(2)-(5)和(7)。约束(6)单独分出来。由

定义的多面体允许车辆k的有效路径的集合

作为极值点。我们可以把其中一个点写成这些路径的线性组合。

=1如果弧

属于极值点

对于每个

提示：车辆k和路线p不是一个概念

定义

为使用车辆k通过路线p的成本。

表示节点i通过车辆k经过路径p访问的次数。