基于改进蚁群算法的有时间窗车辆路径优化研究.pdfVIP

基于改进蚁群算法的有时间窗车辆路径优化研究 桂林林 ． 赵 杰 (天津职业技术师范大学信息技术丁程学院，天津 300222) 摘 要 ：针对有时间窗的车辆路径优化 问题 ，通过对蚁群算法的分析 ，设定信息素轨迹强度上下限， 改进转移概率、信息素的更新方式，以提高算法的收敛速度和全局搜索能力。经过多次实验 和计算．证明用改进的蚁群算法能有效地解决有时间窗的车辆路径优化r-l题。 关键词 ：车辆路径优化 ；时间窗；蚁群算法 ；信息素 1 问题 的提 出 穴与食物之间的最短路径这一现象基础上 ．通过～系 列实验最终设计并发明的算法 蚁群算法在搜索过程 车辆路径 问题 (VehicleRoutingProblem．VRP)是 中，因为随机性较强．当求解的问题规模 比较大时，找 指已知n个客户的位置坐标和货物需求。在可供使用 出较优解需要较长的搜索时间：同时由于蚁群算法主 车辆数量及运载能力条件的约束下 ．每辆车都从起点 要依靠信息素对优化 问题求解 ．如果信息素控制不当． 出发．完成若干客户点的运送任务后再回到起点。要求 易使蚁群算法陷入局部最优解 ，影响解的质量 。针对这 以最少的车辆数、最小的车辆总行程完成货物的派送 两个 问题 ．结合实际要求 。本文对蚁群算法做如下改 任务 VRP属于NP—Hard问题 ．一直是物流研究中的 进 。 热点问题．对物流企业费用的节约具有重要的理论与 (1)转移概率的改进 现实意义。 每只蚂蚁选择下一个城市时．在满足车辆容量和 有时间窗的车辆路径 问题 (VehicleRoutingProb— 时间窗约束的前提下．除了考虑通往下一个城市的路 lemWithTimeWindows．VR唧 )一般描述为 ：有 L个 径长度 以及路径上信息素的多少．车辆的等待时间和 客户点．已知每个客户点的需求量及地理位置坐标 。至 其到达时间与时间窗上限的时间差都会影响路径的选 多用 K辆汽车从配送中心到达这批客户点．并且在完 择．所 以车辆在对客户点进行选择时应该尽量选择等 成配送任务后 ．返回配送 中心。要求必须在它的时间窗 待时间短、与时间窗上限时间差少的客户点。结合以上 口内为每个客户服务 ．如果汽车提前到了客户所在地， 特点．本文提出了对蚁群算法中转移概率公式这一核 也必须等待．直到允许为该客户服务为止。每辆汽车载 心内容进行修改 在新的转移概率公式中，增加反映车 重量一定。每条路线不得超过汽车载重量 。每个客户点 辆 的