Resumen: El problema de enrutamiento del vehículo (VRP) es un problema de optimización complejo con numerosas aplicaciones del mundo real, en su mayoría resuelto usando algoritmos metaheurísticos debido a su naturaleza $ Mathcal {NP} $-Hard Naturaleza. Tradicionalmente, estas metaheurísticas se basan en diseños hechos en humanos desarrollados a través de estudios empíricos. Sin embargo, investigaciones recientes muestran que los métodos de aprendizaje automático pueden usarse las características estructurales de las soluciones en la optimización combinatoria, lo que ayuda a diseñar algoritmos más eficientes, particularmente para resolver VRP. Sobre la base de este avance, este estudio extiende la investigación previa realizando un análisis de sensibilidad utilizando múltiples modelos de clasificadores que son capaces de predecir la calidad de las soluciones VRP. Por lo tanto, al aprovechar la IA explicable, esta investigación puede extender la comprensión de cómo estos modelos toman decisiones. Finalmente, nuestros hallazgos indican que si bien la importancia de las características varía, ciertas características emergen consistentemente como predictores fuertes. Además, proponemos un marco unificado capaz de clasificar el impacto en las características en diferentes escenarios para ilustrar este hallazgo. Estas ideas destacan el potencial del análisis de importancia de la característica como base para desarrollar un mecanismo de guía de algoritmos metaheurísticos para resolver el VRP.
Publicado Originalme en export.arxiv.org El 10 de agosto de 2025.
Ver Fuente Original
