ALNS

alns是 Python 中自適應大鄰域搜尋 (ALNS) 元啟發式的通用、有據可查且經過測試的實作。 ALNS 是一種可用於解決困難的組合最佳化問題的演算法。該演算法從初始解決方案開始。然後演算法迭代直到滿足停止標準。在每次迭代中，都會選擇一個破壞和修復算子，將目前解決方案轉換為候選解決方案。然後透過驗收標準評估該候選解決方案，並根據評估結果更新營運商選擇方案。

安裝alns

alns依賴numpy和matplotlib 。它可以按照通常的方式安裝

 pip install alns

此外，為了使用多臂老虎機演算法啟用更進階的算符選擇方案，可以使用可選的 MABWiser 依賴項安裝alns ：

 pip install alns[mabwiser]

入門

該文件可在此處取得。如果您不熟悉元啟發式或 ALNS，您可能會從閱讀 ALNS 頁面的介紹中受益。

alns函式庫提供了 ALNS 演算法和各種接受標準、算子選擇方案和停止標準。為了解決您自己的問題，您應該提供以下資訊：

• 實作objective()函數的問題的解決方案狀態。
• 初步解決方案。
• 一名或多名針對您的問題量身定制的銷毀和修復操作員。

此處提供了“快速入門”程式碼模板。

範例

我們提供了幾本範例筆記本，展示如何使用 ALNS 函式庫。這些包括：

• 旅行商問題（TSP），在這裡。我們使用非常簡單的破壞和修復啟發法解決了 131 個城市的實例。
• 這裡是有能力的車輛路徑問題（CVRP）。我們使用貪婪修復算子和鬆弛引起的子字串刪除銷毀算子的組合來解決具有 241 個客戶的實例。
• 這裡是下料問題 (CSP)。我們僅用非常有限的迭代次數就解決了具有 180 個光束、超過 165 個不同尺寸的實例。
• 此處為資源受限專案調度問題 (RCPSP)。我們使用文獻中的許多不同的運算符和增強技術來解決具有 90 個作業和 4 個資源的實例。
• 排列流水車間問題（PFSP），在這裡。我們解決了一個包含 50 個作業和 20 台機器的實例。此外，我們還演示了 ALNS 的多種高級功能，包括自動擬合接受標準以及為修復算子添加本地搜尋。我們也示範如何調整 ALNS 參數。

最後，功能筆記本概述了alns套件中可用的各種選項。在筆記本中，我們使用這些不同的選項來解決玩具 0/1 背包問題。當您想要自己使用不同的方案、接受或停止標準時，該筆記本是一個很好的起點。可以在這裡找到。

貢獻

我們非常感謝您願意做出的任何貢獻。請查看此處以開始使用。如果您打算進行重大更改，那麼首先在新的 GitHub 問題中討論該更改會很有幫助。隨意打開一個！

尋求協助

請隨意在 GitHub 上提出問題或新的討論主題。請不要透過電子郵件向我們提出疑問、建模問題或程式碼範例。透過 GitHub 比透過電子郵件討論這些內容要容易得多。撰寫您的問題或討論時，請按照此處的說明進行操作。

如何引用alns

如果您在研究中使用alns ，請考慮引用以下論文：

Wouda, NA 與 L. Lan (2023)。 ALNS：自適應大鄰域搜尋元啟發式的 Python 實作。開源軟體雜誌，8(81)：5028。

或者，使用以下 BibTeX 條目：

 @article { Wouda_Lan_ALNS_2023 , 
  doi = { 10.21105/joss.05028 } , 
  url = { https://doi.org/10.21105/joss.05028 } , 
  year = { 2023 } , 
  publisher = { The Open Journal } , 
  volume = { 8 } , 
  number = { 81 } , 
  pages = { 5028 } , 
  author = { Niels A. Wouda and Leon Lan } , 
  title = { {ALNS}: a {P}ython implementation of the adaptive large neighbourhood search metaheuristic } , 
  journal = { Journal of Open Source Software } 
}