基于改进遗传算法车辆路径优化.pdfVIP

基于改进遗传算法的车辆路径优化 1 1 2 李轶舜 ，徐建闽 ，徐鹏 1 华南理工大学交通信息工程及控制，广州（510640 ） 2 河海大学交通学院，南京（210098 ） E-mail ：li.yishun@163.com 摘 要：自从VRP 被证明为NP 难题后，许多学者进行了各种求解算法的研究。本文采用 遗传算法来求解 VRP 问题, 其思想是对遗传算法初始种群确定、染色体序列排序、交叉算 子进行创新改进,使得算法更加趋于合理、收敛更快、运行效率更高。 关键词：车辆路径优化，遗传算法，时间窗 中图分类号：U491 1. 问题提出 一般车辆路径问题是指有q 个货物需求点, 已知每个需求点的需求量及位置,至多用k 辆 汽车从配送中心到达这批需求点,每辆汽车载重量一定,安排汽车路线使运距最短,且满足每 条路线不超过汽车载重量和每个需求点的需求必须且只能由一辆汽车来满足的约束条件,其 [1] 目的是使总成本(如距离、时间等)为最小 。 2. 面向物流配送问题的数学模型 假定只有一个物流中心，运输车辆为同一型号，节点的货物需求量均小于单辆的汽车容 量，一辆车完成多项货运任务，且每辆车一次运送的是同一种类的货物。 2.1 费用的确定 在理想状态下时间的费用表现为一定的边权费用，即网络上各线段长度折算的时间费 用，但在实际配送过程中并非如此简单，在此我们需要对时间费用进行细分。 （1）路段里程形成的时间费用 路段里程形成的时间费用在各类文献中多描述为有向图中的边权费用，这一点大家已有 共识。在实际配送过程中，表现为根据长期统计而得出的该路段行程车速和推导出的车辆通 过时间。但这种时间费用并不是一个固定的值，而是根据不同交通时段有不同的时间费用， 形成不同的时段方案。这个问题同样存在于下面的两个时间费用中。 （2 ）节点上消耗的时间费用 节点费用包括两个方面，一个是在各交叉口节点信号等候等时间费用，表现为其左右转 与直行的不同时间费用。另一个是在零售点货物交接需要的时间费用，主要依据于货物品种、 数量等产生时间延误不同。 2.2 基于交通逻辑与配送规则的弹性约束模型的建立 综合考虑交通因素和配送管理因素，构建弹性约束VRP 模型，并据此构建合理的数据 结构和改进算法。 对物流配送下的VRP 问题作如下数学描述： 设图G= （V, E ）为各零售点间的拓扑结构，其中V 中各点代表零售点，E 中各边表示 V ′ V \ v v 0 0 对应的零售点间或零售点与货源点间有路相通。令 , 其中 为中心点，亦即货源 - 1 - weight (x) V ′ cos t(x) 点。 为定义在 上的函数，函数值为对应零售商所需的货物量。 为定 义在E 和V 上的函数，函数值为货车在两零售商间或零售商与货源点间运行所需的综合