本篇内容介绍了“JAVA VRPTW松弛模型的Column Generation算法怎么实现”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
第一个版本来自GitHub，是一个叫Seminar的国外大神写的。
他的子问题采用上一篇推文介绍的模型，找一条reduced cost最短的路径，运行只需要更改下面文件中算例文件的路径即可。
运行的中间结果如下：
- Iteration：迭代次数
- SbTime：子问题求解时间(s)
- nPaths：Master Problem中的总路径
- MP lb：Master Problem的线性松弛最优解，这里由于建模方式的原因，该最优解把服务时间也算在路径距离上的，最终减去9000即可得到路径距离。
- SB lb：子问题的线性松弛最优解。
- SB int：子问题的整数最优解。
关于子问题的最大求解时间限制(s)，可以在下面文件中设置：
第二个版本是小编写的：
运行参数说明：
-in：算例文件路径；
-out：结果文件输出。
比如：
【-in input\Solomon\100_customer\C101.TXT -out output\】
参数设置请找到以下主运行文件：
右键找到运行设置里面进行配置。（默认情况下输入上面的参数能直接运行）
中间结果：
- Iteration：迭代次数
- SbTime：子问题求解时间(s)
- nPaths：MasterProblem中的总路径
- MP lb：Master Problem的线性松弛最优解。
- SB lb：子问题的最优解。
关于第一个版本，其子问题建模方式还是依赖主问题的对偶变量的，如下：
其中t_ij就是每条边本来的cost，pi就是Master Problem的对偶变量。每一次迭代就是这样更新子问题的cost，重新建模求解的。
关于小编的版本：
每次迭代的时候会更新ESPPRC问题中的cost，然后运行pulse算法重新求解。
“JAVA VRPTW松弛模型的Column Generation算法怎么实现”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
