基准测试结果¶
基于标准化实验矩阵的基准测试结果。
调度问题族¶
Job Shop 调度¶
| 预设 | 10×5 (avg) | 20×10 (avg) | 50×20 (avg) | 100×20 (avg) |
|---|---|---|---|---|
scheduling_focus |
1.2s | 8.5s | 45.3s | 120.0s |
scheduling_evolutionary_repair |
3.5s | 15.2s | 52.1s | 118.5s |
scheduling_memetic_quality |
8.7s | 35.6s | 115.3s | timeout |
解质量对比（与已知最优解的差距 %）¶
| 预设 | 10×5 | 20×10 | 50×20 | 100×20 |
|---|---|---|---|---|
scheduling_focus |
5.2% | 8.7% | 12.3% | 15.8% |
scheduling_evolutionary_repair |
1.8% | 3.2% | 5.1% | 7.9% |
scheduling_memetic_quality |
0.5% | 1.1% | 2.3% | N/A |
路由问题族¶
TSP¶
| 预设 | 50 城市 | 100 城市 | 200 城市 |
|---|---|---|---|
routing_evolutionary |
0.8s | 4.2s | 18.5s |
routing_blackbox |
2.1s | 12.3s | 55.7s |
解质量对比（与最优解的差距 %）¶
| 预设 | 50 城市 | 100 城市 | 200 城市 |
|---|---|---|---|
routing_evolutionary |
1.2% | 2.8% | 5.1% |
routing_blackbox |
3.5% | 6.2% | 9.8% |
关键发现¶
主要结论
- 小规模问题：精确求解器（CP-SAT / MILP）在所有指标上最优
- 中等规模：
scheduling_evolutionary_repair在质量和速度之间取得最佳平衡 - 大规模问题：启发式求解器是唯一可行的选择，
scheduling_focus速度最快 - 质量优先：
scheduling_memetic_quality在中等规模上提供最高质量解
注意事项
scheduling_memetic_quality在大规模问题上可能超时routing_blackbox因无法利用问题结构，质量不如专用策略- 并行组合（Portfolio）在不确定最佳策略时是最安全的选择