一篇新的研究论文探讨了在不确定性下解决电动自动叫车问题(EADARP)的自适应算子选择方法。该研究聚焦于一个双层大邻域搜索框架,比较了六种不同的选择策略,包括固定贪婪、基于遗憾、随机、基于确定性规则、性能自适应ALNS以及基于LLM的状态感知选择。结果表明,虽然在较小的问题实例上性能相似,但在更大、更受约束的EADARP场景中会出现差异,这表明没有一种策略是普遍最优的。 AI
影响 这项研究通过改进不确定条件下的车辆路径优化,有望带来更高效、更可靠的自动拼车服务。
排序理由 该集群包含一篇发表在arXiv上的研究论文,详细介绍了一种解决特定问题的 novel 方法。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →