面向复杂物流配送场景的车辆路径规划多任务辅助进化算法.pdfVIP

第

50

卷

第

3

期自

动

化

学

报Vol.

50,

No.

3

2024

年

3

月ACTA

AUTOMATICA

SINICAMarch,

2024

面向复杂物流配送场景的车辆路径规划多任务辅助进化算法

1,

21111

李坚强

蔡俊创

孙

涛

朱庆灵

林秋镇

摘要

在现代社会中,

复杂物流配送场景的车辆路径规划问题(Vehicle

routing

problem,

VRP)一般带有时间窗约束

且需要提供同时取送货的服务.

这种复杂物流配送场景的车辆路径规划问题是NP-难问题.

当其规模逐渐增大时,

一般的

数学规划方法难以求解,

通常使用启发式方法在限定时间内求得较优解.

然而,

传统的启发式方法从原大规模问题直接开始

搜索,

无法利用先前相关的优化知识,

导致收敛速度较慢.

因此,

提出面向复杂物流配送场景的车辆路径规划多任务辅助进

化算法(Multitask-based

assisted

evolutionary

algorithm,

MBEA),

通过使用迁移优化方法加快算法收敛速度,

其主要思

想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.

首先从原大规模问题中随机选择一部分客户订单用于

构建多个不同的相似优化子任务,

然后使用进化多任务(Evolutional

multitasking,

EMT)方法用于生成原大规模问题和

优化子任务的候选解.

由于优化子任务相对简单且与原大规模问题相似,

其搜索得到的路径特征可以通过任务之间的知识

迁移辅助优化原大规模问题,

从而加快其求解速度.

最后,

提出的算法在京东物流公司快递取送货数据集上进行验证,

其路

径规划效果优于当前最新提出的路径规划算法.

关键词

车辆路径规划问题,

时间窗约束,

同时取送货,

进化算法,

迁移优化

引用格式

李坚强,

蔡俊创,

孙涛,

朱庆灵,

林秋镇.

面向复杂物流配送场景的车辆路径规划多任务辅助进化算法.

自动化学报,

2024,

50(3):

544−559

DOI

10.16383/j.aas.c230043

Multitask-basedAssistedEvolutionaryAlgorithmforVehicleRoutingProblemsin

ComplexLogisticsDistributionScenarios

1,

21111

LI

Jian-Qiang

CAI

Jun-Chuang

SUN

Tao

ZHU

Qing-Ling

LIN

Qiu-Zhen

Abstract

In

complex

logistics,

addressing

the

vehicle

routing

problem

(VRP)

with

simultaneous

pickup

and

deliv-

ery

and

time

windows,

an

NP-har