18、遗传编程超启发式中的知识转移

遗传编程超启发式中的知识转移

1. 基于遗传编程超启发式（GPHH）解决无向容量弧路由问题（UCARP）

在使用GPHH解决UCARP时，路由策略用GP树表示。评估路由策略需要一组UCARP训练实例，元算法是一个决策模拟过程：
1. 初始时，所有车辆都在仓库。
2. 对于最早空闲的车辆，应用路由策略选择其下一个服务（若无可选服务则返回仓库）。具体而言，对每个候选所需边，应用路由策略计算其优先级值，然后选择优先级值最优（最低）的候选边。
3. 模拟过程中，以直观方式处理路线失败情况。若车辆在服务过程中容量耗尽，它会返回仓库补充，然后回来完成未完成的服务。
4. 持续模拟，直到所有所需边都得到服务。

GPHH中解决UCARP的终端集应包含与边、车辆和全局信息相关的各种特征，常用终端如下表所示：
| 符号 | 描述 |
| — | — |
| SC | 候选边的服务成本 |
| CFH | 从当前位置到候选边的成本 |
| CTD | 从候选边到仓库的成本 |
| CR | 补充成本（从当前位置到仓库） |
| DEM | 候选边的预期需求 |
| RQ | 车辆的剩余容量 |
| FULL | 车辆的满度（剩余容量与总容量之比） |
| FRT | 未服务任务的比例 |
| FUT | 未分配任务的比例 |
| CFR1 | 从最近替代路线到候选边的成本 |
| RQ1 | 最近替代路线的剩余容量 |
| CTT1 | 从候选边到其最近未服务邻居的成本 |
| DEM1 | 候选边最近未服务邻居的预期需求 |