当前位置：首页 > news >正文

[Jsprit]Jsprit学习笔记-vrp问题新解的接收策略

news 来源：原创 2025/6/20 7:03:51

阈值接收器

作者实现了一个阈值接收器，SchrimpfAcceptance
下面是对这个接收器的解释
阈值接受函数：
这个概念可以描述如下：大多数问题不仅仅有一个唯一的最小值（或最大值），而是有多个局部最小值（或最大值）。为了避免在搜索开始时就陷入局部最小值，这种阈值接受函数在开始时也接受较差的解（与只接受更好解的贪婪方法相反），并随着时间的推移逐渐转变为贪婪方法。
难点：
定义（i）一个合适的初始阈值和（ii）一个描述阈值如何收敛到零的相应函数，即贪婪阈值。
初始阈值的确定：
通过在搜索空间中进行随机游走来确定初始阈值。随机游走使用特定的算法，并运行直到达到预热迭代次数。在第一次迭代或游走中，算法生成一个解，这个解是下一次游走的基础，以此类推。每个解的值都被记忆，因为初始阈值本质上是这些解值的标准差的函数。更精确地说：初始阈值 = 标准差(解的值) / 2。
具体实现阈值迭代的代码：

private double getThreshold(int iteration) {
        double scheduleVariable = (double) iteration / (double) maxIterations;
        return initialThreshold * Math.exp(-1. * Math.log(2) * scheduleVariable / alpha);
    }

试着通过画图来理解这个迭代
scheduleVariable 是个0,1之间的数，表示迭代的进度
alpha表示一个迭代参数
用python实现一下这个函数的图像

import numpy as np
import matplotlib.pyplot as plt

# 定义参数alpha和scheduleVariable的范围
alpha = 0.5  # 
scheduleVariable = np.linspace(0, 1, 100)  # 从0到1的100个点

# 计算函数值
y = np.exp(-np.log(2) / alpha * scheduleVariable)

# 绘制图像
plt.plot(scheduleVariable, y)
plt.xlabel('scheduleVariable')
plt.ylabel('y')
plt.title('Plot of the function y = e^(-(log(2)/alpha) * scheduleVariable)')
plt.grid(True)
plt.show()

在这里插入图片描述
随着迭代次数的增加，阈值逐渐递减

新解的接收策略

public boolean acceptSolution(Collection<VehicleRoutingProblemSolution> solutions, VehicleRoutingProblemSolution newSolution) {
        boolean solutionAccepted = false;
        if (solutions.size() < solutionMemory) {
            solutions.add(newSolution);
            solutionAccepted = true;
        } else {
            VehicleRoutingProblemSolution worst = null;
            double threshold = getThreshold(currentIteration);
            for (VehicleRoutingProblemSolution solutionInMemory : solutions) {
                if (worst == null) worst = solutionInMemory;
                else if (solutionInMemory.getCost() > worst.getCost()) worst = solutionInMemory;
            }
            if (worst == null) {
                solutions.add(newSolution);
                solutionAccepted = true;
            } else if (newSolution.getCost() < worst.getCost() + threshold) {
                solutions.remove(worst);
                solutions.add(newSolution);
                solutionAccepted = true;
            }
        }
        return solutionAccepted;
    }

这段Java代码是用于决定是否接受一个新的解决方案到一个车辆路径问题（Vehicle Routing Problem, VRP）的解决方案集合中。
代码的主要逻辑如下：

定义一个布尔变量 solutionAccepted 来标识解决方案是否被接受。
检查 solutions 集合的大小是否小于 solutionMemory（一个代表解决方案记忆容量的变量）。如果是，将 newSolution 添加到集合中，并将 solutionAccepted 设置为 true。
如果 solutions 集合已满，则执行以下步骤：
- 定义一个变量 worst 来存储当前集合中最差的解决方案（成本最高）。
- 通过 getThreshold 方法获取当前迭代的阈值 threshold。
- 遍历 solutions 集合，找到成本最高的解决方案，并将其存储在 worst 变量中。
- 检查 worst 是否为 null。如果是，这意味着集合中没有解决方案，可以将 newSolution 添加到集合中，并将 solutionAccepted 设置为 true。
- 如果 newSolution 的成本小于 worst 的成本加上阈值 threshold，则从集合中移除 worst 解决方案，将 newSolution 添加到集合中，并将 solutionAccepted 设置为 true。
返回 solutionAccepted 变量，表示是否接受新的解决方案。