18、多选择带设置背包问题与多仓库车辆路径问题的算法研究

多选择带设置背包问题与多仓库车辆路径问题的算法研究

在优化问题的求解中，近似算法的参数设置对结果质量有着显著影响。下面将详细介绍两种不同问题的算法及其实验结果，包括多选择带设置背包问题（MCKS）和多仓库车辆路径问题（MDVRP）。

多选择带设置背包问题（MCKS）

参数设置

在使用近似算法解决优化问题时，不同的参数设置会导致不同质量的结果。VNS&IP 方法的参数设置如下：
- time_max ：最大时间（以秒为单位），固定为 T，T 是周期（划分）的数量。
- kmax ：连续失败迭代的最大次数，固定为 N，N 是类别的数量。
- p_max ：扰动长度，固定为 T。
- 用于放宽接受条件的常数，固定为 0.8。

需要注意的是，对方法参数进行不同的调整可能会有重要发现，但更好的调整有时会导致更高的执行时间要求。实验中选择的参数值在解的质量和运行时间之间取得了令人满意的平衡。

计算结果

在实验之前，评估了算法主要组件对性能的影响，主要包括构造启发式 RBH 以及两种局部搜索技术 LS&IP 和 PERTURB&IP 的组合。
- RBH 性能评估 ：将 RBH 与 HG 和 LPH 启发式方法进行比较，测试在 MCKS 的所有实例上进行。结果如下表所示：
| 启发式方法 | CPU（s） | 差距（%） |
| — | — | — |
| RBH | 0.63 | 1.46% |