改进型蚁群算法参数优化研究.docVIP

改进型蚁群算法参数优化研究 　　摘 要： 研究在不使用局部搜索情况下参数组合对改进型蚁群算法的影响。以带时间窗的车辆路径问题为例，针对基于最大最小蚁群算法的改进蚁群算法中的五个参数，运用均匀设计法对最优参数配置问题进行了研究。仿真实验表明改进的蚁群算法效果明显，能有效解决Solomon数据集中的R类和RC类问题，且具有较强的鲁棒性。对最优参数的局部调整没有明显提高算法获取最优解能力的问题，分析了其可能的原因。 　　关键词： 最大最小蚁群算法； 均匀设计； 有时间窗车辆路径问题； Solomon数据集 　　中图分类号：TP301.6 文献标志码：A 文章编号：1006-8228（2014）06-53-03 　　0 引言 　　车辆路径问题（Vehicle Routing Problem，VRP）属于组合优化问题，其理论涉及到运筹学、管理学、交通运输、计算机应用等多个学科。VRP问题中加入节点可访问的时间窗约束即成为有时间窗车辆路径问题（Vehicle Routing Problem with Time Windows， VRPTW）。由于现实生活中很多问题可以归结为VRPTW，因此VRPTW的研究受到学术界的广泛重视。 　　蚁群算法虽然具有较强鲁棒性，但存在搜索速度慢和容易出现停滞的缺点。为此，学术界除了引进其他算法来加强其搜索能力外，还从蚁群算法本身的参数设置角度