.png){kind=icon}
返回
Meta-learning-Based Model to Select Algorithm for Capacitated Vehicle Routing Problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s40009-025-01841-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
容量受限车辆路径挑战是一个典型的硬组合优化问题，针对该问题已开发了多种算法技术。实证研究一致表明，不存在一种普遍认可的、能在所有问题实例中均表现良好的最优策略。这表明算法的性能因不同场景而异。主要地，算法的性能取决于问题实例的结构及其他属性。从预定义的选项集中识别最有效的解决方案方法的挑战，通过算法选择问题加以解决。为此，提出了一种基于元学习的分类系统。本研究采用一种启发式算法对一组实例进行处理，根据该算法在特定配置下是否成功解决实例，将实例分类为“已解决”或“未解决”。与实例特征一同创建的标签构成了元数据中的元示例。学习一组二元分类器以预测算法对不同实例的适用性。实验在5000个CVRP实例上进行。8种不同的分类器展示了高达90%的准确率及其他性能指标。
Keyword:
Vehicle routing problem
Heuristic algorithm
Machine learning
Meta-learning
Algorithm selection problem
期刊
N
IF:
1.3
论文数:
520
被引数:
1.1K
机构
引用论文
.png){kind=icon}
Enhancing Q-Learning with Vector Similarity and Tabu Search for Solving the Vehicle Routing Problem
PREAI
分享收藏分享收藏
查看更多内容