新能源汽车电池回收网点竞争选址模型及算法.pdfVIP

新能源汽车电池回收网点竞争选址模型及算法

摘要：针对考虑排队论的新能源汽车电池回收网点竞争设施选址问题，提出一种改进的人类学习优化（IHLO）

算法。首先，构建包含排队时间约束、容量约束和门槛约束等条件的新能源汽车电池回收网点竞争设施选址模型；然

后，考虑到该问题属于NP-hard问题，针对人类学习优化（HLO）算法前期收敛速度较慢、寻优精度不够高、求解稳定性

不够高的不足，通过引入精英种群反向学习策略、团队互助学习算子和调和参数自适应策略提出IHLO算法；最后，以

上海市和长江三角洲为例进行数值实验，并将IHLO算法和改进二进制灰狼（IBGWO）算法、改进二进制粒子群

（IBPSO）算法、HLO算法和融合学习心理学的人类学习优化（LPHLO）算法进行比较。大、中、小三种不同规模的实验

结果表明，IHLO算法在15个指标中的14个指标上表现最优，IHLO算法比IBGWO算法求解精度至少提高了0.13%，

求解稳定性至少提高了10.05%，求解速度至少提高了17.48%。所提算法具有较高的计算精度和优化速度，可有效

解决竞争设施选址问题。

关键词：竞争设施选址；人类学习优化算法；排队论；团队互助学习算子；调和参数自适应策略

Competitivelocationmodelandalgorithmof

newenergyvehiclebatteryrecyclingoutlets

Abstract:Tosolvethecompetitivefacilitylocationproblemofnewenergyvehiclebatteryrecyclingoutletsconsidering

queuingtheory，anImprovedHumanLearningOptimization（IHLO）algorithmwasproposed.First，thecompetitivefacility

locationmodelofnewenergyvehiclebatteryrecyclingoutletswasconstructed，whichincludedqueuingtimeconstraints，

capacityconstraints，thresholdconstraintsandotherconstraints.Then，consideringthatthisproblembelongstoNP-hard

problem，inviewoftheshortcomingsofHumanLearningOptimization（HLO）algorithm，suchaslowconvergencespeed，

optimizationaccuracyandsolvingstabilityintheearlystage，IHLOalgorithmwasproposedbyadoptingelitepopulation

reverselearningstrategy，groupmutuallearningoperatorandadaptivestrategyofharmonicparameter.Finally，taking

ShanghaiandtheYangtzeRiverDeltaasexamplesfornumericalexperiments，IHLOwascomparedwithImprovedBinary

GreyWolfOptimization（IBGWO）algorithm，ImprovedBinaryParticleSwarmOptimization（IBPSO）algorithm，HLOan