工业规模车辆路由的自适应集群第一路由第二分解

大规模容量车辆路径问题（CVRP）通常使用集群第一路径第二（CFRS）方法来解决，该方法将路径实例分割成更小的、计算上易于处理的子问题。现有的分割方法通常依赖于固定的划分规则、预定义的优化目标或学习策略，这些方法可能在表现出不同空间、需求和操作特征的实例之间表现不一致。在这项工作中，我们提出了一种自适应 CFRS 系统，它将分解过程制定为迭代决策过程。受 大语言模型 (LLM) 最近在推理和工具选择方面取得成功的推动，该系统采用 LLM 作为高级决策者，分析不断演变的分解状态并有选择地应用进一步的聚类、平衡和细化算子。所提出的算法联合划分客户和车辆，实现容量感知集群，同时根据每个问题的特征调整划分决策。我们在包含多达 500,000 个客户的合成和基准衍生的 CVRP 实例上评估该方法。实验结果证明了在基准规模实例上的竞争性能，同时在更大的问题上表现出改进的可扩展性和强大的路由质量。这些结果凸显了自适应、LLM 引导的决策支持作为工业规模车辆路线和大规模物流规划的实用方法的潜力。