• 干货 | column generation求解VRPTW问题 java代码分享


    00 前言

    经过小编不断的努力,关于column generation求解VRPTW的代码终于新鲜出炉啦。

    01 运行说明

    关于这部分的代码,这里提供两个版本。

    第一个版本GitHub一个叫Seminar的国外大神写的,他的子问题求解采用的是建模的方式(建模请看上一期的教程),找一条reduced cost最短的路径,运行只需要更改下面文件中算例文件的路径即可。

    运行的中间结果如下:

    • Iteration:迭代次数
    • SbTime:子问题求解时间(s)
    • nPaths:Master Problem中的总路径
    • MP lb:Master Problem的线性松弛最优解,这里由于建模方式的原因,该最优解把服务时间也算在路径距离上的,最终减去9000即可得到路径距离。
    • SB lb:子问题的线性松弛最优解。
    • SB int:子问题的整数最优解。

    关于子问题的最大求解时间限制(s),可以在下面文件中设置:

    第二个版本是小编写的:

    运行参数说明:
    -in:算例文件路径
    -out:结果文件输出。

    比如:【-in inputSolomon100_customerC101.TXT -out output】

    参数设置请找到以下主运行文件:

    运行设置里面进行配置。(默认情况下输入上面的参数能直接运行)

    中间结果:

    • Iteration:迭代次数
    • SbTime:子问题求解时间(s)
    • nPaths:Master Problem中的总路径
    • MP lb:Master Problem的线性松弛最优解。
    • SB lb:子问题的最优解。

    02 简要讲解

    关于第一个版本,其子问题建模方式还是依赖主问题的对偶变量的,如下:

    其中t_ij就是每条边本来的cost,pi就是Master Problem的对偶变量。每一次迭代就是这样更新子问题的cost,重新建模求解的。

    关于小编的版本:

    每次迭代的时候会更新ESPPRC问题中的cost,然后运行pulse算法重新求解。

    其他的话结构和注释都写得非常清晰了,大家肯定能看懂的。

    由于是精确算法,子问题时间没有保障的,有时候很快能跑完,有时候一天都跑不完。和算例有很大关系的。

    03 代码获取

    可以关注我们的公众号哦!获取更多精彩消息!

  • 相关阅读:
    CF938E Max History
    经典论文系列 | 目标检测--CornerNet & 又名 anchor boxes的缺陷
    在 Intenseye,为什么我们选择 Linkerd2 作为 Service Mesh 工具(Part.2)
    在 Intenseye,为什么我们选择 Linkerd2 作为 Service Mesh 工具(Part.1)
    Java概述
    算法 --- 二分法 冒泡排序 递归 快速排序
    二维数组
    数组
    SNMP "Simple Network Management Protocol" "简单网络管理协议"。
    常用api --- BigDecimal 包装类 Integer Arrays
  • 原文地址:https://www.cnblogs.com/dengfaheng/p/11382178.html
Copyright © 2020-2023  润新知