简单启发式算法：容量约束选址-路径问题求解

"欧洲计算优化杂志11期的一篇文章探讨了一种简单启发式算法，用于解决容量约束选址-路径问题（CLRP）。该问题涉及在考虑仓库容量限制的情况下优化仓库的布局和车辆路径。作者Maximilian Lözier、Enrico Bartolini和Michael Schneider来自德国亚琛工业大学的德国邮政讲座，他们提出了一种混合算法，结合了GRASP（贪婪粗糙集算法）和可变邻域搜索，旨在简化CLRP的复杂性并提高解的质量和效率。" 在CLRP问题中，最常见的变体是考虑车辆载货量限制的版本。传统的解决方法常常将问题分解为定位阶段和路径选择阶段，分别处理仓库的配置和车辆的行驶路线。然而，当前的文献并未充分揭示哪些算法组件对于解决方案质量和计算时间具有最大影响力。这篇文章的目标是设计一个概念简单但实用有效的启发式算法，并深入理解如何构建高效的元算法。 提出的算法包括两个主要部分：(i) 使用可变邻域下降的GRASP阶段进行位置优化，这有助于找到可能的仓库配置；(ii) 可变邻域搜索的路由阶段，它解决了车辆路径选择问题，以评估和改进定位阶段的结果。作者还发现，当使用次优的路由解决方案评估仓库配置时，可能会导致过多的开放仓库，从而引发新的挑战。因此，他们引入了一个仓库配置优化阶段，以减少这种现象，提高整体解决方案的合理性。 通过实验分析，作者揭示了算法组件对解决方案质量和运行时间的具体影响。他们指出，这种混合方法不仅在求解CLRP时提供了良好的性能，而且对于理解和改进未来元算法的设计也具有指导意义。文章的成果对于物流、供应链管理和设施规划等领域具有实际应用价值，因为它提供了一种更高效地解决复杂选址与路径问题的工具。 文章发表在2192-4406/©2023的《欧洲计算优化杂志》上，由Elsevier Ltd代表欧洲运筹学协会（EURO）出版，并遵循CC BY-NC-ND 4.0许可协议。读者可以在ScienceDirect上获取全文和更多相关信息。