没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
4页
针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3~10倍.
资源推荐
资源详情
资源评论
第
39
卷第
12
期
西安交通大学学报
Vo
l.
39
NQ12
2005
年
12
月
JOURNAL
OF
XI'
AN
JIAOTONG
UNIVERSITY
Oec. 2005
多约束条件车辆路径问题的二阶段遗传退火算法
17
o
军,冯博琴,李波
(西安交通大学电子与信息工程学院.
710049.
西安)
摘要:针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第
1
阶
段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第
2
阶段,采用二维变长染色体编码及相应
的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免
无效解,并利用退火选择未提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效
率,在模糊分区上的搜索速度较之标准遗传算法提高了
3~10
倍.
关键词:车辆路径;遗传退火算法;贪心算法
中图分类号
TP18;
U
1l
6
文献标识码
A
文章编号:
0253-987X(2005)
12-1299-04
Tw
o-
Phase Genetic-Annealing Algorithm for Vehicle Routing
Problem with Multiple Constraints
Lü
]
un
,
Feng
Boq
巾
,
Li
Bo
CSchool
of
Electronics
and
Information
Engineering.
Xi'an
]iaotong
University.
Xi'an
710049.
China)
Abstract:
A novel
two-phase
geneti
c-
annealing
algorithm
is
proposed
to
solve
the
vehicle
routing
problem
with
time
window
CMOVRPTW)
and
multi-constraint
in
multiple
dispatching
centers.
In
the
first
phase
,
users
are
partitioned
into
fuzzy
regions
according
to
quantity
supplied
and
the
length
of
paths
using
genetic
algorithm;
in
the
second
phase
the
global
optimization
is
carried
out
by
the
hybrid
genetic
algorithm
with
20
variable-length
chromosomes
and
corresponding
genetic
operators.
The
random
greedy
algorithm
is
used
in
generating
of
initial
population
and
crossover
and
mutation
operator
to
avoid invalid
solution
,
then
the
simulated
annealing
algorithm
is
employed
to
enhance
the
diversity
of
population.
The
experimental
re-
sults
show
that
compared
with
the
traditional
genetic
algorithm
the
search
speed
of
the
proposed
algorithm
is
3~10
times
fastcr
,
the
convergence is
speed
up
,
and
search
efficiency is increased.
Keywords: vehicle
routing;
geneti
c-
annealing
algorithm;
greedyalgorithm
车辆路径问题
C
Vehicle
Routing
Problem
,
VRP)
是→类经典的
NP
难问题旧,目标函数通常为
车辆数和运输成本最小化.随着约束条件的不同,
VRP
演化出许多模型,如非对称
VRPCAVRP)
、带
时间窗的
VRPCVRPTW)
及多配送中心的
VRP
CMOVRP)
等,而现实环境中的问题往往是以上模
型的混合.
VRP
的求解算法主要有精确算法和启发式算
法对大规模的
VRP
问题,启发式算法能在较短的
时间内获得满意的近似最优解,这种算法主要指构
造型算法、改进型算法、导向邻域搜索算法
t
叫,也有
许多研究是这些算法的某种混合算法.
对于复杂约束
VRP
问题的遗传算法,其简单
的编码必然损失解的大量信息,所以需要设计合适
的编码方案.另外,由于约束的增加,会造成整个搜
索空间不连续,使邻域搜索更加困难.一般的遗传算
子易导致大量的解因违背约束条件而成为元效解,
必须针对问题的特殊性设计相关的交叉、变异算子.
收稿日期:
2005-04-08.
作者简介:吕
军Cl
968~)
.男,在职博士生,高工;冯博琴(联系人)
.男,教授,博士生导师.
基金项目:国家高技术研究发展计划资助项目
(2003AAOO
1 048).
资源评论
weixin_38685832
- 粉丝: 4
- 资源: 972
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功