自适应邻域搜索算法

学习搜索范围

与传统邻域搜索不同，该算法通过神经网络同时学习搜索算子与搜索范围，实现适度的邻域探索，在带约束车辆路径问题中优于固定搜索步长的神经组合优化算法。

Wang, Zhilong · Hu, Xiaoxuan · Sun, Haiquan · 夏伟

Applied Soft Computing Journal 2025

技术优势

搜索范围自适应

提出的自适应探索机制同时学习适用于当前状态的算子和搜索范围，实现适度的邻域探索，避免固定步长导致的探索不足或过度。

性能超越基线

在不同规模的带约束车辆路径问题上，该方法优于传统启发式算法和固定搜索步长的神经组合优化算法。

应用场景

• 调度优化：直接求解调度中的组合优化问题，替代手工设计启发式。
• 运输路径规划：用于带约束车辆路径规划，超越固定步长神经方法。
• 物流路径规划：物流路径规划中自适应探索邻居，提升求解质量。
• 组合优化求解：以图神经网络学习搜索策略，求解组合优化问题。