Leveraging reinforcement learning and evolutionary algorithm to solve Bi-level combinatorial optimization problem

doi:10.1051/ro/2026026

Leveraging reinforcement learning and evolutionary algorithm to solve Bi-level combinatorial optimization problem

2026-04-15

0

PRE

AI

A

Abir Chaabani *

DOI：10.1051/ro/2026026

原文链接

原文求助

摘要

En 中文

双层优化研究领域日益受到关注，这主要归因于其在建模和求解实际问题的有效性。该框架提供了一种涉及两个决策者（即上层和下层）的层级结构，它们共同协作以找到复杂优化情境的最优解。文献中提出的大多数求解方法遵循这种层级结构，这仅限于将它们应用于小规模的问题实例。在这些求解策略中，我们重点介绍一种名为CODBA的进化算法，该算法专注于将下层搜索空间分解为几个部分，这些部分并行进化以应对嵌套结构的高复杂性。本文通过提出一种新颖的进化强化学习方法来增强CODBA的搜索能力，该方法将核心CODBA方案与Q学习策略相结合，为训练用于双层优化问题的智能搜索算法提供了一种有前景的方法。在双层多配送中心车辆路径问题上的计算统计实验表明，与现有算法相比，本解决方案在计算时间和解质量方面均显示出有效性。

Keyword:

Bi-level decision-making

evolutionary algorithms

Q-learning strategy

VNS algorithm

Leveraging reinforcement learning and evolutionary algorithm to solve Bi-level combinatorial optimization problem

摘要

期刊

机构