遗传算法(Genetic Algorithm), 简称 GA。是一种通过模拟自然进化过程搜索最优解的方法。在遗传算法中，每个个体通常由染色体表示（个体（潜在解）的二进制编码），通过选择、交叉和变异等遗传操作来模拟生物进化过程，以寻找最优解或近似最优解。遗传算法的核心要素有5个：参数编码、初始群体、适应度函数、遗传操作（选择、交叉和变异）、解码。

车辆路径问题（VRP）最早是由 Dantzig 和 Ramser 于1959年首次提出，它是指一定数量的客户，各自有不同数量的货物需求，配送中心向客户提供货物，由一个车队负责分送货物，组织适当的行车路线，目标是使得客户的需求得到满足，并能在一定的约束下，达到诸如路程最短、成本最小、耗费时间最少等目的。

背包问题(Knapsack problem)：容器数量是固定的，每个容器有自己的最大容量，而需要分配的物件有各自的价值，我们的目标是让装入容器的物体的总价值最大，并不要求所有物体都装入。装箱问题（ Bin-packing problem）：容器数量不固定，每个容器容量是相同的，有自己的最大容量，我们的目标是用最少的容器来存放所有的物件。装箱问题也可以分为多种情况，如完全装箱问题、不完全装箱问题、一

​变邻域搜索算法（VNS）是一种改进的爬山算法。变邻域搜索（VNS）主要是利用多个邻域对当前解进行搜索。它分为两个阶段，即变邻域下降阶段（variable neighborhood descent）-即VND阶段和扰动阶段（shaking phase）-即邻域动作阶段。这两个阶段都会改变搜索的邻域。

模拟退火算法的(Simulated Annealing，SA)是一种基于概率的全局寻优方法，已在理论上被证明以概率1 收敛于全局最优解。模拟退火算法模拟物理退火过程，从某一较高初温出发，随着温度的不断下降，以一定概率突跳在全局进行寻优，并最终趋于全局最优，搜索过程中趋于零概率的突跳特性可有效避免算法陷入局部最优。模拟退火算法依赖现有求解规则，是一种对已有规则进行改造的算法，它的解与初始值无关；其核

​Adaptive Large Neighborhood Search (ALNS) 算法是一种元启发式算法，用于解决组合优化问题。ALNS 算法结合了离散优化中的邻域搜索和元启发式算法的特点，能够有效地应对各种复杂的优化问题。ALNS 算法的核心思想自适应大领域搜索的核心思想是：破坏解、修复解、动态调整权重并选择（自适应）。通过设计多组破坏算子和修复算子，扩大解空间搜索范围，对当前解进行改进，表