求解CVRP改进量子遗传算法研究.docVIP

求解CVRP改进量子遗传算法研究 　　摘要：车辆路径问题属于离散NP-hard组合优化问题，传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法，每条染色体代表一种行车路线方案，利用改进的旋转门对种群进行更新操作，采用动态调整旋转角机制对量子步长实现自适应搜索，扩大全局搜索范围；引入一种变异操作，用于保持算法的种群多样性，从而提高算法的全局搜索宽度；采用客户节点重置和2-opt法对线路进行再优化，增强算法的局部搜索能力。仿真实验和算法比较，验证了该算法的优越性和有效性。 　　关键词：车辆路径问题；量子遗传算法；量子旋转门；量子变异 　　DOIDOI：10.11907/rjdk.171907 　　中图分类号：TP312 　　文献标识码：A 文章编号：1672-7800（2017）012-0060-04 　　Abstract：The vehicle routing problem is the NP-Hard combinatorial optimization discrete problem， The traditional quantum genetic algorithm has many problems such as large storage capacity and easy to fall into local optimal solution， so in this paper， a new quantum genetic algorithm is proposed to minimize transportation cost. This paper designs a coding method to transform the common coding into quantum bits，each chromosome represents a routing scheme，the update operation by using the improved rotating door population，adaptive search of quantum step size by dynamic adjustment of rotation angle mechanism， improve global search local. A mutation operation is introduced to maintain the population diversity of the algorithm， so as to improve the global search width of the algorithm. Finally， the customer node reset and the 2-opt method are used to optimize the circuit to enhance the local search capability of the algorithm. The advantages and effectiveness of the algorithm are verified by experimental simulation and algorithm comparison. 　　Key Words：vehicle routing problem； quantum genetic algorithm； quantum rotating gate； quantum mutation 　　0 引言 　　?辆路径问题（Vehicle Routing Problem， VRP）是典型的NP-hard问题，由Dantzing和Ramser [1]于1959年提出，广泛应用于物流配送、交通线路规划和快递收发系统。传统精确算法仅适用于小规模问题，而启发式算法难以获得精确解，因此，智能算法受到人们青睐。赵燕伟等[2]提出了一种双种群遗传算法用来求解CVRP，根据两个种群各自特点进行不同进化，同时交换种群间的优质个体信息，使算法避免陷入局部最优；Wang等[3]提出了一种混合遗传算法来求解CVRP，利用响应面法对变异、交叉概率进行优化操作，同时将改进的扫描法插入到遗传算法以增加种群的多样性，使算法的搜索能力得以提高；Dorronsoro等[4]提出了一种元胞遗传混合算法，全局搜索用遗传算法，局部?人鞑捎媒换徊僮鹘岷?2-opt法提高算法搜索性能；蔡蓓蓓等[5]提出一种混合量子遗传算法求解CVRP，在传统的量子遗传算法基础上加入免疫算子，算法的局部?