本文主要研究了动态定价和信息披露对于生鲜产品销售的影响。在传统的销售模式中，生鲜产品的价格通常是固定的，而且很难根据实际情况进行调整。这种模式容易导致浪费和损失，同时也无法满足消费者对于品质和价格的需求。因此，文章提出了一种基于质量的动态定价策略，并探讨了信息披露对于销售效果的影响。使用深度强化学习算法来优化定价和信息策略，可以使得销售商能够更好地满足消费者需求，提高利润并减少浪费。因此文章为生鲜

本文主要研究了动态定价和信息披露对于生鲜产品销售的影响。在传统的销售模式中，生鲜产品的价格通常是固定的，而且很难根据实际情况进行调整。这种模式容易导致浪费和损失，同时也无法满足消费者对于品质和价格的需求。因此，文章提出了一种基于质量的动态定价策略，并探讨了信息披露对于销售效果的影响。使用深度强化学习算法来优化定价和信息策略，可以使得销售商能够更好地满足消费者需求，提高利润并减少浪费。因此文章为生鲜

这篇文章提出了一种解决旅行商问题的新算法——NeuroLKH算法，该算法结合了深度学习和强大的传统启发式算法LKH。NeuroLKH算法的创新在于训练了稀疏图网络（SGN），其中，有监督学习边得分（edge scores），无监督学习节点惩罚值（node penalties）。基于SGN的输出，NeuroLKH创建了边的候选集（edge candidate set），并转换边的距离值来指导LKH的

作者：王源，徐思坤，陈贤邦OR Paper Weekly 栏目将会从运筹学顶级期刊上选择一部分有趣的文章，对这些文章的主要研究内容进行一个概述/点评。OR Paper Weekly 的特点是 不做大而全的照搬，也未必都只选择优质的文章，而是精选一部分有趣的文章。辅之以科普/点评/吐槽的方式，让大家随时了解最新的科研动态。欢迎大家一起来 欣赏优质文章，学习脑洞文章，鄙视灌水文章。精选论文 (一)论文

本文的主要贡献在于提出了两种新的数学模型和高效的分支定价算法，首次实现了对中等规模2E-VRPTW问题的精确求解。未来研究方向包括：设计启发式方法以处理更大规模的实例；扩展模型以考虑更多实际约束，如动态需求或不确定性；进一步优化算法，提升求解效率。本文的研究为城市物流中的路径优化问题提供了重要的理论支持和实用工具。

在第一届INFORMS TSL数据驱动研究挑战中，TSL和美团合作为全球研究人员和从业人员提供对美团运营级别的外卖配送数据的访问权限。参赛者需要利用美团提供的真实数据，开发数据驱动的优化模型，以解决下述的一些问题，或者探索美团感兴趣的其他问题。2025年8月1日：入围决赛者在2025年INFORMS年会上进行最终比赛演讲的注册截止日期(注:这也是2025年INFORMS年会演讲者注册截止日期)20

图1提供了TDRP-SD的一个描述性示例。场景中有13个需要服务的客户，每个客户的需求在卡车到达时才会揭示（图中用罗马数字表示）。卡车和无人机的最大容量分别为X和III单位。系统使用两辆各配备一架无人机的卡车和一架单机无人机来服务这13个客户。图1 TDRP-SD的描述性示例卡车1的配送过程从仓库满载出发，服务客户1和2后货物耗尽，返回仓库补货从客户2前往客户3时，剩余货物为VIII单位服务客户3

编者按：本文发表于2015年，是卡车无人机路径研究的开山之作。作者针对单车辆单无人机的配送场景，首次提出了两种带无人机的旅行商问题变体：卡车与无人机串联协作的FSTSP和并行协作的PDSTSP。文章明确给出了基于弧的混合整数线性规划（MILP）模型，并通过设计基于成本节约的大邻域搜索算法，对10至20个节点的实例进行了数值计算。其建模思路对后续一系列相关研究产生了深远影响，尤其在当前低空经济快速发

b)刚性网络，采用结构简单的网络，使用最少的连接以满足需求，但同时却又有适应性差的问题，一旦需求波动，效率会急剧下降。事实上，一般的非凸优化问题大概率是NP-hard的，所以，除非P=NP，否则想要用通用的求解方法来在有限时间内求解，几乎是不可能的。事实上，这个松弛实际上符合正半定规划(Semidefinite Programming,SDP)的形式，而SDP正是CP问题的一个特例，因此这个松弛的

1. 简介对于无约束的非凸优化问题，算法复杂度的下界为Ω(1/ϵ2)\Omega(1/\epsilon^2)Ω(1/ϵ2)；在目标函数光滑时，这个下界可以通过标准梯度下降算法来取到. 对于带约束的非凸优化问题，这个下界依旧适用；到这里，我们自然会提出疑问：它是否也能通过某个一阶算法来取到？对此，本文[1]^{[1]}[1]作出了回答. 文中介绍了一种简单的一阶算法——光滑化近似点增广拉格朗日方法（