基于分解理论carp问题文档.ppt

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 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 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v2的直线最短距离。 2. Background 所以CARP问题可以表示如下： 2. Background 2.2 EMO Issues In MO-CARP MO-CARP问题是一种组合问题，它需要在一系列约束条件下在离散并且有限的解空间中寻找Pareto最优可行解集。把局部搜索策略和进化算法结合起来形成的基因算法对于组合问题非常有效，但是这样有一个新的问题产生了，那就是怎样在邻域内识别另一个解来替换当前解。因此我们