15、货运列车调度与双目标环星问题的算法研究

货运列车调度与双目标环星问题的算法研究

1. 货运列车调度算法

在货运列车调度问题中，为德国铁路公司（Deutsche Bahn AG）的战略规划开发了一种高性能的随机局部搜索算法。该算法结合了迭代贪心启发式算法和简单的局部搜索算法，在解决大规模问题实例时表现出了非常有前景的性能，而基于商业求解器（ILP求解器）的方法在处理大规模问题时已不再有效。

在迭代蚁群算法的研究中，有一个疑问是，设置α = 0是否是调优的结果，以及在更大的实例中使用信息素轨迹是否会带来更好的性能。为此，选取了竞赛中排名第二的算法配置（在有和没有局部搜索的两种情况下，α的设置都约为1）进行测试，但在两个最大的实例中，并未发现使用信息素轨迹在解构造过程中有显著的改进。

对于将迭代贪心算法（IG）扩展到迭代蚁群算法的负面结果有两种不同的解释：
- 一方面，这并不排除迭代蚁群方法或其他基于种群的扩展可能会进一步提高性能。例如，可以测试定义信息素轨迹含义的不同方式，如将机车类型与行程关联起来。但这需要进行大量的进一步开发和测试，而这些时间也可以用于进一步改进更简单的算法，比如使用更精细的构造启发式或改进的局部搜索算法。
- 另一方面，这些测试也证实了概念上相对简单的算法是提高基本启发式性能的有效手段，特别是在实际问题的背景下。这也展示了随机局部搜索（SLS）算法自下而上的开发方式，即逐步添加算法特性，是获得高性能且概念简单算法的可行途径。

未来的研究方向包括：
- 在非常大的实例上应用和比较迭代贪心算法和迭代蚁群算法。为处理大实例，可以采用预处理阶段来减少实际处理的实例规模，从而减少计算时间。
- 考虑精确求解方法与迭代贪心算法的混合。例如，可以利用商业求