基于IPSO算法的多目标车辆配送路径规划研究.pdf

山东农业大学学报 自然科学版( ),2017,48(2):255-258 VOL.48NO.22017 Journal of ShandongAgriculturalUniversity (Natural ScienceEdition ) doi:10.3969/j.issn.1000-2324.2017.02.019 基于IPSO算法的多目标车辆配送路径规划研究 陈智勇 青海师范大学, 青海 西宁 810000 摘 要: 针对汽车零部件车辆配送路径规划问题，提出一种基于IPSO 的多目标车辆路径规划算法。以平均行驶成本、 等待时间成本和惩罚时间成本为目标函数，建立多目标车辆路径规划模型。研究结果表明，选择搜索成功率、平均 IPSO GA PSO 行驶成本和搜索时间为评价指标， 算法在搜索成功率和搜索时间以及平均行驶成本方面，均优于 和 算 法，同时避免局部最优，对降低配送成本和提升企业竞争力具有重要意义。 关键词: 粒子群算法; 路径规划; 多目标函数; 数学模型 中图法分类号:TQ018 文献标识码: A 文章编号:1000-2324(2017)02-0255-04 Research on Multi-objective Vehicle Route Program Based on IPSOAlgorithm CHEN Zhi-yong QinghaiNormal University,Xining 810000, China Abstract: In this paper, a multi-objective vehicle route program based on IPSO was proposed to solve the vehicle route problem.The multi-objective vehicle route model was establishedbased on the objective cost,waiting time cost andpenalty cost to select the search successrate, average travel cost and search time asthe evaluation index.Theresults showed that the IPSO algorithm in the search successrate and search time and average travel cost wasbetter than GA and PSO algorithm.It isimportant for avoidingthelocal optimum,reducingthedelivery cost andenhancingthecompetitivenessofenterprises. Keywords:Particle swarm optimization;routeprogram;multi-objectivefunction;mathematicalmodel 随着经济和工业技术水平的快速发展，我国汽车工业持续高速发展，汽车零部件制造运输行业 发展繁荣，竞争异常激烈，其零部件物流成本的高低直接影响其企业竞争力，车辆配送路径直接影 响企业成本和客户服务水平，因此研究汽车零部件运输车辆的路径规划对降低企业成本和提高零部 [1] 件供应及时率具有重要的实际意义，对提升企业竞争力具有重要意义 。大量研究表明，智能启发 式算法对求解车辆配送路径规划具有很大优势，本文针对PSO 算法存在局部最优和早熟的问题，提 出一种改进的粒子群算法IPSO，并将其应用于车辆配送路径规划。 1 改进的粒子群算法 粒子群算法 （Particle Swarm