BriefGPT - AI 论文速递
·
超越框架的预测：基于应用的最佳点预测在随机优化中的应用
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了带时间窗的车辆路径问题（VRPTW）及其随机旅行时间，提出了上下文随机VRPTW模型，并通过历史数据提供近似解。开发了分枝-定价割算法，实验结果表明基于特征的样本平均近似在大多数情况下优于其他方法。
🎯
关键要点
- 研究了带时间窗的车辆路径问题（VRPTW）和随机旅行时间。
- 提出了上下文随机VRPTW模型，旨在最小化总运输成本和预期迟到惩罚。
- 使用历史数据提供问题的近似解，提出了新型数据驱动规定模型。
- 区分了基于点的近似、样本平均近似和惩罚近似等不同规定模型。
- 开发了分枝-定价割算法来解决数据驱动的规定模型。
- 计算实验表明，基于特征的样本平均近似在大多数情况下优于其他方法。
➡️
