求解车辆路径问题的方法非常多，基本上可以分为精确算法和启发式算法2大类。
1.精确算法
精确算法是指可求出其最优解的算法，主要运用线性规划、整数规划、非线性规划等数学规划技术来描述物流系统的数量关系，以便求得最优决策。精确算法主要有：
分枝定界法(Branch and Bound Approach)
割平面法(CuttingPlanes Approach)
网络流算法(NetworkFlow Approach)
动态规划算法(DynamicProgramming Approach)
总的说来，精确性算法基于严格的数学手段，在可以求解的情况下，其解通常要优于人工智能算法。
2.启发式算法
由于车辆路径优化问题是NP难题，高效的精确算法存在的可能性不大(除非P=NP)，所以寻找近似算法是必要和现实的，为此人们主要把精力花在构造高质量的启发式算法上。启发式算法是在状态空间中的改进搜索算法，它对每一个搜索的位置进行评价，得到最好的位置，再从这个位置进行搜索直到目标。在启发式搜索中，对位置的估价十分重要，采用不同的估价可以有不同的效果。目前已提出的启发式算法较多，主要的启发式算法有以下几类：构造算法、两阶段法、智能化算法。
智能化启发式算法从本质上讲仍然属于启发式算法，其基本思想是从一初始解开始，通过对当前的解进行反复地局部扰乱(Perturbations)以达到较好的解。目前，最常见的智能化启发式算法包括模拟退火算法(Simulated Annealing)、禁忌搜索算法(Tabu Search)、遗传算法(Genetic Algorithm)、蚁群算法(Ant Colony)和神经网络(Neutral Networks)、粒子群算法（Particle Swarm Optimization,PSO）方法等。
- 每日推荐
- 热点资讯
