基于分解理论carp问题.ppt

Your site here LOGO 基于分解理论的基因算法在多目标CARP问题上的应用 目录 1. Introduction 2. Background 3. D-MAENS 4. Conclusion 1. Introduction 容量约束弧路径问题(CARP)是一种组合的最优化问题，它应用在城市垃圾收集和车队管理等问题上。很多人一直在尝试用启发式和元启发式算法解决CARP问题，其中包括进化算法，但是几乎所有算法都把它当做单目标问题。考虑到它的实际应用，CARP问题通常不止一个目标，文中作者提出了一种基于分解理论用扩展邻域搜索方法的基因算法(D-MAENS)，这种新的算法其实是把适用于单目标CARP问题的邻域搜索算法(MAENS)和多目标进化优化结合起来产生的。这种新的算法在多目标组合优化问题中更具竞争力。 2. Background 2.1 CARP问题 给定一个图的一些边和弧线，这些路线要求被车辆服务(也称作任务)，一些容量有限的车辆停在起点。CARP问题就是为这些车辆寻找一条最优的路径，其中约束条件如下： 1) 每辆车都开始和结束于相同的一点，称作车库。 2) 每个路线只能被一辆车服务。 3) 每辆车服务的总任务不能超过它的车容量。 到目前为止，由于CARP问题只是考虑使车队的总服务费用最少，所以它一直被当做单目标问题。然而规划和现实之间还是有很大的差距，所以Lacomme等又增加了一个目标函数，同时考虑其中一辆行驶最长路径的车的服务费用最小。 2. Background Lacomme等所提出来的NSGA-II算法正是通过把适用于单目标CARP问题的一种方法和一种常用的多目标进化算法(MOEA)结合起来所形成的一种混合算法。Lacomme所提出的两个目标彼此之间互相冲突，因此没有单一的全局最优解存在。 给定一个图G(V,E,A)，其中V，E，A分别代表点，边和弧的集合。对于每个边( , ) E和每一个弧( , ) A都有三个非负特性参数，交通费 服务费 ，和需求 。每条边和弧的需求都要求车辆以服务费为代价来服务 。所有边的总任务集合为 ，弧的总任务 。 总的任务集为 。m辆车位于起点 容积为Q。 2. Background 对一条边服务的话从两个方向中任意一个方向都可以，而对于一个弧只能有一个服务方向，为了定义方便每一条边任务分配两个ID(比如说t1和t2)，每一个弧任务分配一个ID。对于所有的任务t都有以下六个特点。尾顶点tv(t)，头顶点hv(t)，交通费 ，服务费 ，需求 ，相反ID inv(t)。 对于每一条边任务 来说： 1) hv(t1)=tv(t2)= ;tv(t1)=hv(t2)= 2) 3) 4) 5) inv(t1)=t2; inv(t2)=t1 2. Background 对于每一个弧任务 和它的任务ID t来说 ： 1) hv(t)= ,tv(t)= 2) 3) 4) 5) inv(t)=-1 因为所有的ID都是正的，inv(t)=-1表示与t相反的ID不存在，除此之外定义起点的回路ID为0： 1) tv(0)=hv(0)= 2) 3) inv(0)=0 2. Background 例子中边的集合为ER={(v1,v5),(v2,v6),(v3,v7),(v4,v8)},起点为v0,图中没有弧线，IDs 1,2,3,4分别对应着边(v1,v5),(v2,v6),(v3,v7),(v4,v8)。IDs 5,6,7,8是它们的相反方向。虚线代表着中间路径。 2. Background 基于以上符号表示，CARP问题可以表示为一系列路径的集合S=(R1, R2……Rm).每个路径有一系列ID构成Rk=( ),为了保证每个路径都是从起点出发并回到同一点，使 ，这样对于路径Rk来说总的费用和需求如下： 其中dist(v1,v2)表示顶点v1到