平均最优信息粒子群算法在车辆调度中的应用.docVIP

平均最优信息粒子群算法在车辆调度中的应用 　　摘 要：针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷，从粒子群算法本身出发，引入粒子个体与群体的平均信息，提出一种基于平均最优信息的粒子群算法（AVGPSO），该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中，并与标准粒子群算法进行比较。实验结果表明，该算法在解决车辆调度问题中表现出了更优的性能，是解决车辆调度问题的有效方法。 　　关键词：车辆调度问题；粒子群算法；平均最优信息；组合优化 　　中图分类号：U116.2 文献标识码：A 　　车辆调度问题（Vehicle Routing Problem， VRP）是一个层次目标优化问题，最早由学者Dantzig和Ramser于1959年提 　　出[1]，自提出以来一直都是组合优化领域的热点和前沿问题。车辆调度问题是典型的NP-hard问题，当问题所涉及的规模很小时可采用精确算法进行求解，但随着问题规模的增大，精确算法的计算量呈指数增长，实际应用范围非常有限。因此，如何通过少量计算并以较快速度得到一个相对满意的解成为学者们研究的重点内容。在解决大规模VRP时通常采用启发式算法或现代优化算法，现阶段已有不少研究将启发式算法应用到车辆调度问题中，其中神经网络、模拟退火算法、蚁群算法以及遗传算法尤为居多[2-