改进的粒子群算法在VRP中的应用.pdfVIP

维普资讯 第4卷第4期 现 代 交 通 技 术 VOI．4 NO．4 2007年 8月 Modem TransportationTechnology Aug．2007 改进的粒子群算法在 VRP中的应用 郝会霞，郗建国 (长安大学汽车学院，陕西西安710064) 摘 要：提出一种新的求解VRP问题的粒子群算法，该算法通过引入随机交换序、PMX算子使粒子群算法能更 好地求解VRP问题。经过实例验证，该算法是解决VRP问题的有效算法。 关键词：车辆路径问题；粒子群算法；组合优化 中图分类号：U492．31 文献标识码：A 文章编号：1672—9889(2007)04—0062—03 ApplicationofanImprovedParticleSwarm Optimization Algorithm inVehicleRoutingProblem HaoHuixia，XiJianguo (SchoolofAutomobile，ChanganUniversity，Xian710064，China) Abstract：AnImprovedparticleswarmoptimization(PSO)algorithmisproposedforvehicleroutingproblem(VRP)，which cansolveadiscretecombinationoptimizationsuchasVRPbyusingrandom exchangesequenceandPMX operator．The complicatedexperimentsshowthatitisfeasibleandvalidityofrVRP． Keywords：vehicleroutingproblem；particleSWarlTloptimizationalgorithm ；combinatorialoptimization 车辆路径问题(VRP)是物流研究领域中一个具 辆从这里装载货物出发，运送完货物返回仓库；所 有十分重要理论和现实意义的问题Ⅲ。粒子群算法 有的车辆的运输能力都是一样的；每一个服务点只 (PSO)是由美国学者 Kennedy和Eberhart于 1995年 能由一辆车提供服务。 提出的一种智能算法。其基本原理为：假设有一群 设供应点有K辆车，每辆车的载重为 Q(=1， 鸟在随机搜寻食物，而整个区域内只有一块食物．要 2，…，K)，需求点个数为L，每个需求点的需求量为 觅到食物最有效的方法就是搜索周围区域离食物最 qi(1，2，…，L)；需求点i到 的距离为d／ij=0，1， 近的鸟。依此类推，将鸟抽象为粒子，而食物抽象为 2，…，L，其中i=0或j=0表示该点为供应点)；第 k 最优解，那么最优解的求解过程就是通过不断更新 辆车访问的需求点个数为n (nk=O表示未使用第k 粒子的速度和位置使粒子群不断向最优解靠拢 。 辆车)；用集合风表示第k辆车的行驶路线，r“代表 风 中一个需求点，它在路线 中的顺序为 ，rkO表 PSO一般用于求解连续函数的优化问题，然而