gpt4 book ai didi

optimization - 为什么从可行解决方案开始的 ORTOOLS 引导局部搜索被视为约束规划?

转载 作者:行者123 更新时间:2023-12-01 17:51:22 26 4
gpt4 key购买 nike

我正在使用ORTOOLS用于解决 VRP 问题的库。我给它一个初步可行的解决方案来解决我的问题,满足我的问题的所有约束,但不是最优的。然后,ORTOOLS 执行 GUIDED_LOCAL_SEARCH 启发式,不断扰乱我的解决方案的某些部分(有时可能使其不可行),直到它有希望达到比我的初始解决方案更好的解决方案。

为什么使用 constraint programming求解器?我的理解是,经典的约束编程从不可行(可能是空的)解决方案开始,传播约束以缩小变量的范围,直到达到静止状态,然后做出决定。然后它再次迭代,直到解决问题,或者如果到达死胡同则回溯(想想数独)。

在进行小扰动时,需要哪些能力(传播、回溯)?

最佳答案

有两个原因。

1) 初始解决方案启发式是快速 LS 启发式搜索和标准约束规划搜索的组合。

2)整个本地搜索实现建立在传统约束规划求解器之上,并使用约束和传播器来验证解决方案并完成它们。

参见:https://github.com/google/or-tools/issues/920

关于optimization - 为什么从可行解决方案开始的 ORTOOLS 引导局部搜索被视为约束规划?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57842656/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com