【摘 要】
:
车辆路径问题广泛存在于生活中的诸多方面,如街道垃圾清理、物流配送、集装箱码头堆场作业等。作为求解车辆路径问题的常见方法,元启发式算法可以在合理的时间内获得一个较好的路径方案。然而,随着问题规模的增加,已有元启发式方法往往会出现效果变差、耗时变得不可接受等问题,因此如何提高元启发式算法处理大规模车辆路径问题的能力是一个具有挑战的问题。此外,由于不同的元启发式搜索策略在不同问题实例上往往具有不同的性能
论文部分内容阅读
车辆路径问题广泛存在于生活中的诸多方面,如街道垃圾清理、物流配送、集装箱码头堆场作业等。作为求解车辆路径问题的常见方法,元启发式算法可以在合理的时间内获得一个较好的路径方案。然而,随着问题规模的增加,已有元启发式方法往往会出现效果变差、耗时变得不可接受等问题,因此如何提高元启发式算法处理大规模车辆路径问题的能力是一个具有挑战的问题。此外,由于不同的元启发式搜索策略在不同问题实例上往往具有不同的性能表现,因此,如何针对不同实例的特点,选择合适的元启发式算法也是一个具有挑战的问题。本文针对上述两个问题,提出了一种结合迁移学习的大规模分解框架,来提高元启发式算法处理大规模车辆路径问题的性能,同时设计了一种推荐算法来针对不同的问题实例选择合适的元启发式算法。本文的主要研究工作如下:(1)本文提出了一种基于迁移学习的分解算法求解大规模车辆路径问题(Tra Div)。Tra Div算法采用分而治之的思想,根据不同路径之间的相似度将大规模问题分解为多个规模较小的子问题,提高了算法在大规模问题上的性能。此外,为了提高算法求解子问题的效率,Tra Div基于迁移学习的思想,将过去已求解子问题的解迁移到当前待求解子问题中,促进当前子问题的求解,进一步提高算法在大规模问题上的性能。最终本文在两个大规模车辆路径问题基准测试集的32个测试实例上验证了Tra Div的性能。实验结果表明,在大多数的测试实例中,Tra Div在计算效率和所得解质量上均优于现有的五种算法。(2)本文提出了一种基于图像特征提取的推荐算法ARM-I来为给定车辆路径问题实例推荐合适的求解算法。为了提高推荐算法的推荐精度和泛化性能,本文设计了三类特征来刻画车辆路径问题实例特点,包括基本特征、基于局部搜索特征和图像特征。基本特征考虑那些通过对实例属性进行简单计算便可以得到的特征,基于局部搜索特征主要测试了实例对于三个局部搜索算子的敏感程度,图像特征希望能够提取出一些更深层次的特征。在本文中,ARM-I提出了一种将车辆路径问题实例转化为图像的方法。为了丰富图像中的信息,ARM-I提出了一种在图像中加边的策略并通过一种已有的图像提取特征方法获取图像特征。最终,ARM-I结合KNN分类器和所提三类特征进行算法推荐。在基准测试实例和真实问题上的实验结果表明ARM-I具有较好的预测性能以及良好的泛化能力。
其他文献
随着高速电路系统的发展与广泛应用,整个系统的集成化程度越来越高,而由此带来的电源完整性问题也越来越严重。同步开关噪声(SSN)的存在对于整个系统的稳定性会起到极大的破坏性,为了解决SSN的问题,本文提出了两种不同类型的电磁带隙(EBG)结构,并且在结构的小型化设计方面做出了创新性的改进。最后,本文还使用联合优化算法对结构参数进行优化,结构的优化效率得以大幅提升。本文的主要研究工作和创新点可以归结如
近年来,受大数据和计算能力的驱动,深度学习网络在图像分类领域取得了巨大成功。随着神经网络发展迅速,其深度和参数量不断增加,使得图像分类的精度得到了有效改善。然而传统的深度学习网络需要利用大量的数据进行训练,这导致当数据不充分时,网络的分类和泛化性能急剧下降。这大大限制了深度网络预测新类别的能力,从而使得模型很难适用于少量数据场景下的识别任务。为了解决这个问题,最近几年越来越多的研究者致力于开发新的
社会化问答平台这一概念伴着Web2.0时代技术和服务的发展而产生,到Web3.0时代,在不同类型的社会化问答平台中参与知识交流成为获取信息资源的重要形式。在社会化问答平台的发展过程中,由于用户参与门槛低、低质量内容泛滥等现象导致平台知识交流质量和效率也呈现降低势态,探寻社会化问答平台的知识交流机制、识别影响知识交流质量和效率的关键因素,从而针对性地采取措施改善现状成为平台亟需重视和解决的问题。研究
随着经济技术的发展,从生活中的家用电器、移动电话到电动汽车,再到工业机械设备用电,人们的生产生活离不开电力。为满足人们的用电需求,大量的电厂建设项目开工建设,给电力建设行业施工安全管理带来较大压力,而随着时代发展人们对生命健康日益看重,因此电力建设工程现场的施工安全管理需要满足安全施工需求。本文以P自备电厂建设工程为例,对该项目现场施工安全管理进行研究,整理出5个一级指标以及26个二级指标,结合P
随着软件系统规模不断增长,传统的软件单体架构变得愈发难以扩展和维护。新一代的软件架构“微服务”以其内聚性高、耦合度低以及易于扩展与维护等优点受到了广泛关注,越来越多的IT企业将系统向微服务架构进行迁移。微服务系统在带来优势的同时,也迎来了诸多挑战。一方面,微服务系统对质量的要求越来越高,但现有微服务架构的实践更多地是关注于系统的功能实现,而忽视了对微服务系统设计中性能的分析;另一方面,微服务的拆分
RGBT视觉跟踪旨在结合可见光(RGB)和热红外(Thermal)模态的互补优势实现鲁棒的视觉跟踪,是计算机视觉领域中的一个热点研究课题。近几年,基于深度学习的RGBT跟踪方法取得了一定的进展,根据融合方法的不同主要可以分为以下两种类别。一类方法旨在探索融合模态特定表示和模态共享表示。另一类方法旨在利用注意力机制预测模态权重,实现不同模态的自适应融合。虽然这些方法都取得了不错的性能,但是忽略了多模
作为公共图书馆向家长和孩子们展示的一张名片,少儿阅读推广活动品牌在一定程度上代表着图书馆的整体形象,同时还搭载了图书馆面向少儿群体推行的阅读推广服务的内涵和价值。因此公共图书馆开展少儿阅读推广活动品牌化能够利用品牌效应有效提升公共图书馆本身的社会影响力和知名度。但是总体来看,目前我国对于公共图书馆少儿阅读推广活动品牌化的相关研究文献数量较少,且大多都是集中于某个具体案例的研究,缺乏对活动品牌化实践
零样本学习是计算机视觉和迁移学习领域的一个重要的研究课题。零样本学习的任务是依据一些已知类别的图像数据,然后辅以相关的先验信息,进而学习出一个泛化能力强大的模型来实现对未知类别的图像样本的分类。尽管研究者们提出了许多方法来解决零样本学习问题,但是它仍然是一个具有挑战性的课题。近些年来,基于图卷积网络模型的零样本学习方法在零样本学习领域取得了优异的性能。这些方法的主流思路是利用图卷积网络模型来对不同
多视图的表示学习旨在利用来自不同角度或不同数据源的特征学习数据的表示。对于图结构数据,多图学习的目的是通过多个图结构数据的协同学习,挖掘多个视图间的互补信息。近年来,图神经网络(Graph Neural Networks,GNNs)在图结构数据的表示学习方面取得了巨大的成功。现有的图神经网络模型通常可以分为图卷积网络、图注意力网络、图自编码器和图生成网络等。然而,许多传统的图神经网络模型利用固定的