一种改进粒子群优化算法在车辆路径问题的应用研究

发布时间：2021-01-08 14:23

　　基于集合的粒子群优化算法（set-based particle swarm optimization,S-PSO）主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO（enhanced S-PSO）算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题（vehicle routing problem with time windows,VRPTW）,提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目（number of vehicle-route,NV）和总里程（total distance,TD）上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法（geneti... 

【文章来源】：重庆邮电大学学报(自然科学版). 2020,32(05)北大核心

【文章页数】：7 页

【部分图文】：

垃圾车辆运输模型网络拓扑示意图

为了验证本文提出的ES-PSO-VRPTW算法性能,将GA遗传算法、ACO蚁群算法、S-PSO-VRPTW算法和ES-PSO-VRPTW算法分别用于上述模型中。经过1 000次迭代,得到最小路径数量和最小总里程,如图 2和图3。由图2可知,NV值随着迭代次数的增加而降低,ES-PSO-VRPTW算法最终得到的路径数量NV为4,小于其他3种算法的结果,相对于S-PSO-VRPTW和GA结果5优化了25%,相对于ACO结果6优化了33.3%。

图3显示总里程TD同样随着迭代次数增加而减小。ES-PSO-VRPTW算法的最小总里程TD稳定在304,也小于其他3种算法的结果,相对于GA算法的结果399优化了23.8%,相对于ACO算法的结果432优化了29.6%,相对于S-PSO-VRPTW算法的结果319优化了4.7%。可以看出,本文提出的ES-PSO-VRPTW算法性能比传统的启发式算法更加优越。3 结束语

【参考文献】：
期刊论文
[1]带时间窗的快递包装回收车辆路径优化研究[J]. 邓学平,薛莹,田帅辉.  重庆邮电大学学报(自然科学版). 2018(06)
[2]B2C电子商务物流中心选址-路径综合优化研究[J]. 邓学平,周昔敏,田帅辉.  重庆邮电大学学报(自然科学版). 2016(04)
[3]两阶段启发式算法求解带时间窗的多中心车辆路径问题[J]. 于滨,靳鹏欢,杨忠振.  系统工程理论与实践. 2012(08)



本文编号：2964754