基于演化式学习法求解带有时间窗车辆路径问题Solution-NPUCSIE.PDFVIP

第十一屆離島資訊技術與應用研討會 基於演化式學習 法求解 帶有時間窗車輛路徑問題 Solution to vehicle routing problem with time window based on evolutionary learning algorithm 何銘輝 馮玄明 陳華慶 洪集輝 呂謙 國立 金門大學電子系國立金門 大學資工系廈門大學電子工程系國立金門大學電子系國立金門 大學通識中心 fly2588@livemail.tw hmfeng@.tw galaxy.km@ horng@.tw mymueyo@.tw 摘要 後，該點才被服務 ；若車輛到達時間晚於時間窗下 本文提出以粒子群演算法 (Particle Swarm 限，則服務被拒絕。 而車輛路徑問題 (VRP)[2,3,4] Optimization, PSO ) 與 遺 傳 演 算 法 (Genetic 已被證明屬 於 NP(Non-deterministic Polynomial)難 Algorithm, GA )為學習演化的 機置，求帶有時間窗 題，理論上只有小規模的 VRP問題可求得最優 車輛路徑問題的解集合 ( Vehicle Routing Problem 解， 若再 加上時間窗限制後 ，將變得更為複雜。 with Time Window, VRPTW) 。提出方法將分別應用 本文旨在研究使用 遺傳演算法與基本粒子群 在 兩個車輛配送系統的問題解 ，在加上時間窗的條 演算法 來求解帶有時間窗車輛路徑問題[5] ，內容 件約束下可快速 完成任務，以所提出的演化式學習 包括 帶有時間窗的車輛路徑問題的配送運行成 法進行模擬實驗 ，可有效的求得優化解 ，最後完成 本 ，以及演化學習 收斂情形 。 效能的比較以 作為往後進一步研究的基礎 。 關鍵詞： 車輛路徑 、時間窗 、遺傳演算法 、粒子 2.以遺傳演算法 求解 群演算法 。 遺傳演算 法是一種隨機最佳化 (stochastic optimization)的技術，其計算原理仿 傚 達爾文進化 Abstract 論的「物競天擇、適者生存」的概念來搜尋問題的 The evolutionary particle swarm optimization 最佳解。當待解的問題被視為一個函數，最佳解即 learning algorithm (PSO) and genetic algorithms 可視為函數的最大值，而遺傳演算的目的即在於求 (GAs) are proposed to achieve the near optimal 出此一函數的最大值。 solutions of the vehicle routing problem with time window (VRPTW). Simulations software for two 2.1染色體表示 VRPTW problems with the efficient evolutionary 遺傳演算法中一個解從表現型到基因型的映 learning algorithms is developed in this article. Vehicle routing experiments show the excellent 射稱