基于数据驱动的概率约束多选背包问题：模型、算法和应用
摘要：数据驱动的机会约束多选背包问题（DDCCMCKP）是一个经典的NP-hard组合优化问题。本研究探索了一种名为数据驱动的机会约束多选背包问题的新型MCKP变种，其中物品的重量是一个带有未知概率分布的随机变量。我们首先提出了DDCCMCKP的问题形式，并建立了两个基准集。第一个集合包含合成实例，第二个集合设计用于模拟某个电信公司的现实应用场景。为了解决DDCCMCKP问题，我们提出了一种数据驱动的自适应局部搜索（DDALS）算法。DDALS的主要优点在于通过数据驱动方法来评估带有机会约束的解决方案，在未知分布条件下，只有历史样本数据可用。实验结果证明了所提算法的有效性，并表明它优于其他基准线。此外，消融实验证实了算法中每个组成部分的必要性。我们提出的算法可以作为未来研究的基准，代码和基准集将开源，以进一步推动对这一具有挑战性的问题的研究。
作者：Xuanfeng Li, Shengcai Liu, Jin Wang, Xiao Chen, Yew-Soon Ong, Ke Tang
论文ID：2306.14690
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-06-27