新型遗传算法求解车辆路径问题研究.pdfVIP

第34卷第2 期 湖北大学学报( 自然科学版) VoL 34 No ．2 2012年6 月 Jour na l of Hubei Uni vc商t y( Nat ur a J S—c i —en ce) J ur L，20 12 文章编号：1000—2375(20 12) 02—023 —04 新型遗传算法求解车辆路径 问题研究 张瑞锋，汪 同三 ( 中国社会科学院数鼍经济与技术经济研究所，北京100732) 摘要建立有时间窗车辆路径 问题的数学模型，针对遗传算法在局部搜索能力方面的不足，提出将模拟 退火算法与遗传算法相结合 ，从而构造有时问窗车辆路径 问题 的混合遗传算法，并进行实验计算 ．结果表 明， 用混合遗传算法求解该优化问题 ，可以在一定程度上克服遗传算法在局部搜索能力方面 的不足和模拟退火算 法在全局搜索能力方面 的不足 ，从而得到质量较高的解 ． 关键词车辆路径问题；时间窗；遗传算法 ；模拟退火算法 中图分类号02 11．1}U116．2 文献标志码A 0引言 车辆路径问题口] ( Vehi d e r out i ng pr obl em，VRP) 是物流配送优化中关键 的一环，也是电子商务活 动中不可缺少的内容．自1 5 年Dant z i ng和Ramser 首次提出VRP 以来，很快引起运筹学、应用数学、 网络分析、图论及计算机应用等学科的专家与运输计划制定者和管理者的极大重视．历经多年的研究发 展，衍生出多种不同类型的问题．VRP一般定义为：对一系列发货点和 ／或收货点，组织适当的行车路 线，使车辆有序地通过它们，在满足一定的约束条件( 如货物需求量、发送量、交发货时间、车辆容量限 制、行驶里程限制及时问限制) 下。达到一定的 目标( 如路程最短、费用最小、时间尽量少及使用车辆尽量 少) ．由于VRP 已被证 明是一个NP难题[2] ，求解该问题 高效的精确算法存在的可能性不大，为此专家 们主要将精力用于构造高质量的启发式算法上．比知一些学者尝试了用一般启发式算法、神经网络、遗 传算法蔫g 忌搜索及模拟退火等智能化启发式算法 ，均取得了较好 的结果13。4] ．但是 ，这些算法在求解问 题时都存在 “早熟收敛 ”、搜索效率低和求解速度慢 的问题 ．针对遗传算法 的不足，本文中通过将模拟退 火的思想引入遗传算法，并对交叉和变异后的个体实施接收策略，不但能有效地缓解遗传算法的选择压 力，并且能增强遗传算法的全局收敛性，克服其易限于局部最优的缺陷．实验结果表 明该算法具有较强 的寻优性能和较快的收敛速度 ，得到的优化结果也更接近最优解． ‘ 问题的描述及数学模型 车辆路径 问题的一般描述为：有一个 中心仓库，拥有K辆车，容量为q ，有L个客户点，其 需求为 g，( 卢 1，2 ，⋯ ，L) ，且序≤q，顶 点集为V一 {i ，2 ，⋯ ，L}，求满足货运需求的总最短行车路线． 根据不同的约束，VRP有多种不同类型，从上述描述中可知，该问题是车辆数固定的单车场单车型 非满载车辆路径 问题 ．用C。表示从点i 到点J 的运输成本，其含义可 以是距离、费用及时间等，设配送中 心编码为o，客户编码为1 ，2 ，⋯，L，定义变量 ( i ) z 。。=1，表示车辆 是由客户i 行驶到客户歹，z 啦一。表示否定； ( i i ) y 。一1，表示客户i 的任务由车辆奄完成，Y＆一0表示否定． 建立数学模型 收稿 日期 ：2 011一0 —27 基金项 目：博 卜后基金项 目( 20 1004812 0 ) 资助 作者简 介：张瑞锋( 1 72一) ，男，副教授 240 湖北大学学报( 自然科学版) 第34卷 mi nZ一∑∑∑qz 驰v 一 ( 1) ■- 一』-一 』— 一v