It is also interesting to study the different methodologies and
techniques that the authors apply in the reviewed literature.
Fig. 5 shows two pie charts with this distribution: it first classifies
the approaches as exact, heuristics and meta-heuristics algorithms,
while the second pie presents a distribution of the different
approximate algorithms employed in the reviewed literature. We
first observe that exact algorithms (branch and bound, mathematical
programming) are employed in 25% of reviewed papers. We
have to consider that these techniques have proven to be useful
for simplified combinatorial optimization problems, specific
settings and/or small instances. Hence, a larger focus is needed
on approaches able to solve larger instances. Because of the NPhardness
of the MDVRP, approximate heuristics have also been
proposed. Under the category of heuristic algorithms, we have
classified many different algorithms and ad-hoc methods that are
specific and do not contain a well-known meta-heuristic template.
This represents 33% of the reviewed papers. For the other 42% a
meta-heuristic algorithm is proposed. Among the available procedures,
Tabu Search (TS), genetic algorithms (GA) and simulated
annealing (SA) have been the most employed in the reviewed
literature. The other meta-heuristics have been less employed:
ant colony optimization and variable neighborhood search. Clearly,
there is a large opportunity for research here. Meta-heuristics have
long ago established themselves as state-of-the-art methodologies
for the vast majority of vehicle routing problems.
นอกจากนี้ยังน่าสนใจที่จะศึกษาวิธีการและเทคนิคที่แตกต่างกัน
ผู้เขียนใช้ในการทบทวนวรรณกรรม .
รูปที่ 5 แสดงสองแผนภูมิวงกลมที่มีการกระจายนี้ ก่อนจัด
วิธีเป็นเมตาฮิวริสติกอัลกอริทึมฮิวริสติกที่แน่นอน , และ , ส่วนที่สองได้นำเสนอพาย
ประมาณอัลกอริธึมการกระจายของต่าง ๆที่ใช้ในการทบทวนวรรณกรรม เรา
สังเกตว่าขั้นตอนวิธีแรกแน่นอน ( สาขาและจำกัด , คณิตศาสตร์
โปรแกรม ) จะใช้ใน 25% ของการตรวจทานเอกสาร เรา
ต้องพิจารณาว่าเทคนิคเหล่านี้ได้พิสูจน์แล้วว่าเป็นประโยชน์สำหรับการเพิ่มประสิทธิภาพง่าย
ปัญหา , การตั้งค่าที่เฉพาะเจาะจง และ / หรือกรณีเล็ก ๆ ดังนั้น การโฟกัสขนาดใหญ่ต้องการ
ในวิธีสามารถแก้ปัญหากรณีที่มีขนาดใหญ่ขึ้น เพราะ nphardness ของ mdvrp
,ฮิวริสติกโดยประมาณยัง
เสนอ ภายใต้หมวดหมู่ของอัลกอริทึมฮิวริสติก เรามีหลายขั้นตอนวิธีการและวิธีการแตกต่างกัน
ของที่เฉพาะเจาะจงและไม่ประกอบด้วยเมตาฮิวริสติกที่แม่แบบลับ
ถึง 33% ของการตรวจทานเอกสาร สำหรับอีก 42% เป็น
เมตาฮิวริสติกอัลกอริทึมที่เสนอ ระหว่างขั้นตอนใช้ได้
มาริโอคาร์ท ( TS )ขั้นตอนวิธีเชิงพันธุกรรม ( GA ) และการหลอมจำลอง
( SA ) มีมากที่สุดที่ใช้ในการตรวจทาน
วรรณกรรม อื่น ๆที่ใช้เมตาฮิวริสติกได้รับน้อย :
อาณานิคมมดและค้นหาละแวกตัวแปร ชัดเจน ,
มีโอกาสขนาดใหญ่สำหรับการวิจัยนี้ เมตาฮิวริสติกได้จัดตั้งตัวเองเป็นรัฐ - of - the - art มานานแล้ว
วิธีการสำหรับส่วนใหญ่ของปัญหาการจัดเส้นทางยานพาหนะ .
การแปล กรุณารอสักครู่..