基于一种改进粒子群算法的铁路行车调度问题解析.docVIP

基于一种改进粒子群算法的 铁路行车调度问题 基于一种改进粒子群算法的铁路行车调度问题 摘要：针对车辆路径问题(Vehicle Routing Problem，简称VRP)提出了一种改进的粒子群(Particle Swarm Optimization，简称PSO)算法。仿真实验表明收敛速度快，寻优精度高河北省11个市铁路 关键词：车辆路径问题 粒子群优化 惯性权重 An Improved Particle Swarm Optimization Algorithm for Vehicle Routing Problem Of Railway Transportations LI Xue-yang ,JIA Xue-mei ,ZHANG Chao ,NIE Yi-fan Teacher:HAN Guang Abstract: For Vehicle Routing Problem(VRP), an improved Particle Swarm Optimization (PSO) algorithm with improved inertia weight is proposed. PSO algorithm has great effectiveness in solving the complex problems with high dimensions. IPSO algorithm can solve the slow convergence speed and the low accuracy in late optimization period. The simulation results show that IPSO algorithm increased the convergence speed and optimization accuracy comparing with the double population GA and discrete PSO algorithm in the same condition for the base VRP of 8 cities. What’ more, IPSO algorithm is applied to the VRP for the railway transportation among 11 cites in Hebei Province. It effectively plans the traffic path and saves transportation costs. Keyword: Vehicle routing problem; Particle Swarm Optimization (PSO) algorithm; Inertia weight 1 引言 配送是现代物流的重要环节，而车辆调度问题是配送中最重要的一个环节。由Dantzig和Ramser[1]于1959年首次提出，很快引起了专家学者与运输问题制定和管理者的极大关注，成为优化科学研究的前言和热点问题。运输系统是配送系统中最重要的子系统，费用占整体费用的50%左右，因此降低物流配送的运输成本，其中合理运输路线直接影响到配送成本和效益，选择适当的车辆路径可以加快对客户需求的响应速度，提高服务质量，降低运作成本。近年来,一些学者运用一些智能算法[2]等人利用多智能体进化算法解决带有时间窗的车辆路径问题，但如易陷入局部最优、实现比较繁琐。因此，针对车辆路径问题的特点，简单、寻优性能强、易于实现的算法，对于解决物流系统的配送和许多可转化为VRP的组合优化问题具有十分重要的意义。 粒子群优化(PSO)算法是模拟鸟群集体觅食行为，通过群体间的合作而到达最优目的。PSO是在多维空间构造“粒子群”，通过彼此之间的协作、配合在复杂的空间中找到“满意解”。在十多年的发展和完善中，PSO已经应用到各种科学领域中，也已取得了很好的效果。优异的全局收敛能力和收敛速度，引起了科学领域研究者们的广泛关注。[6]等人一种，虽取得了较好的效果，但其收敛速度和收敛质量仍有待提高。 针对VRP问题提出了一种改进的离散PSO，将粒子群划分为两两相互重叠的粒子对，并通过改变惯性权重与种群个数来寻找最优解。仿真结果表河北省11个市铁路改的PSO具有更快收敛速度和更好的收敛质量第一部分介绍了VRP的现状。第二部分河北省11个市铁路。第三部分标准PSO及VRP的求解。第四部分仿真实验得到了河北省11个市铁路的最优解，验证了。第五部分对本文进了总结与展望。 2车辆路径问题VRP(Vehicle Routing Problem) VRP 车辆路径问题(VRP)由Dantzig和Ramser