秋雷带有时间窗的车辆路径问题的混合蚁群算法研究.pdfVIP

丁秋雷:带有时间窗的车辆路径问题的混合蚁群算法研究 其中:I是从上次更新最优值开始到现在已经完成的搜索次数，c,d为常数，可分 别取2和50,B;是从搜索开始到上一次发现最优值所经过的搜索次数，n是指问题的规 模。 3.2混合蚁群算法的求解步骤 根据3.1节的基本原理，对解决VRPTW的混合蚁群算法求解步骤如下: step1:初始化各控制参数，读取客户资料，设找到全局最优解匀、。，迭代计数器 nc=0，将。只蚂蚁置于配货中心 (为扩大组合范围、增加可行解产生的条件，m可取较 大值。若在搜索过程中，现有蚂蚁数量仍不能保证所有客户点都被访问，则增加蚂蚁数 量)，分别以刀个客户点为起点，建立候选节点列表 (候选节点数凭多次实验而定)。 step2:对于每一只蚂蚁 j，在候选节点列表中找出所有未走过的节点，并在这些 节点中按照公式3.5选择蚂蚁的下一个旅行节点工 [lu(t)?[s]B[U,]，if、p‘, (3.5) jotabu, ，otherwise j一a{rgmaxjfM,ahAyrzj[Iyfft()]0 max0[,LTL,}T-Am-aExTEJ(T,,ET,)]，，:::二 6 maxO[,LTL,T-Am-aExTAE(T,,LT,)]，else (3.6) E兀=ET,+T,十t,, 其中:tabu,(k=1,2,二、习为禁忌表，记录蚂蚁k当前所走过的所有节点::俐 4,,分别 表示信息素浓度和能见度 (两点距离d,;的倒数);8;;)}考虑时间急迫度而引入的时间 窗匹配程度因子，由公式3.6决定，其中鱿【，乙剐为客户j的时间窗口，界为车辆在客户 j的卸货时间，右伪车辆从沂驶到角时间;N，一do+心-d。为吸收节约法引入的节约 值;a、I4,9,Y为各变量的相对重要程度;9是一个随机数，qe[0,1]cpA1J始值取 为pal，随进化的过程动态调整。 step3:判断已搜索的蚂蚁总数是否等于m,若否，则还有蚂蚁未进行搜索，返回 step2，直到所有蚂蚁都进行搜索为止;若是，执行step40 大连理工大学硕士研究生学位论文 step4:计算每只蚂蚁的搜索路径 LkI置本次路径 L1_，为本次最优路径， L_l.,=艺Lk，同时保存最优路径表。 k.1 step5:对本次最优路径分别实施n次2-opt与or-opt(为满足对解空间完全搜索， n开始较大;进化到一定代数后，n减小)，交换一次后若该路线满足装载量与时m]窗 约束，则记录本次路径长度L},，与对应的路径表，若Lno,L,_1，则置Llixml=L,,，同时更 新最优路径表。 step6:使用小随机概率来决定发生灾变的路径，决定后置路径上的信息素为信息 素最小值，然后重新计算这个个体所走过的路程，如果比原来短并且各节点都满足时间 窗约束条件，则保存灾变，更新乙、。，与最优路径表;否则取消该灾变。 step7:对所有路径上的信息素按式((3.7)进行动态更新: 叮=‘PT尸十AT,; (3.7) IQ ，l)属于本次最优路径 Orf=}L,l t0 其中:Q为常数，即蚂蚁释放的总信息素;1-P为信息素挥发程度，P的初始值为11 随进化的过程动态调整。信息素更新后，吸收最值蚂蚁算法与信息素平滑的思想，即当 T,:。时，用 :~替换 :、，当:;,:。时，用(T.,ntr-)/2替换 :。，便于蚂蚁产生 新的搜索路线。 step8:将本次最优路径L,x,.，与全局最优解 LYI}，作比较，如果 LlcrnlLg1oy1，则 Lgloaa}Ll},nn1，同时更新全局最优路径表。 step9:当进化到一定代数进化方向已经基本确定后，为更好的对解空Ol进行搜索， 动态地调整确定性选择的概率Pt与信息素保留程度P. 对于几，其调整规则如下: 0.95p,-, 护 0.95p1-,_pmin