自适应大邻域搜索算法

解质量优于CPLEX

针对多商品两级车辆路径问题，该算法结合模拟退火机制，在多数实例上获得的解优于CPLEX，能为物流配送提供更优的路径方案。

Ru, Gao · Lijuan, Wang · Zhu, Jianghan · Wang, Jianjiang

Computers and Operations Research 2026

参数信息

平均间隙

10.05 %

技术优势

解质量普遍更高

与CPLEX相比，ALNS在大多数实例上获得的解更优，平均间隙为10.05%。

处理实际复杂约束

算法的初始化方法考虑了客户时间窗和等待时间，从而能有效处理多商品需求、按商品拆分配送和时间窗等实际约束。

基于等待时间的初始化更优

计算结果表明，基于等待时间的初始化方法优于基于时间窗的方法，能生成更好的初始解。

应用场景

• 工业机器人路径规划：为AGV等工业机器人提供多商品、带时间窗的路径规划，提高分拣和配送效率。
• 先进机器人任务调度：为多机器人系统调度提供高效算法，处理多任务和严格时间窗。
• 智能建造物流优化：优化建筑工地的物料配送，满足多种材料按时间窗拆分送达的需求。
• 物联网配送网络：为物联网配送网络提供求解器，处理多商品和多级配送的实时调度。