改进的离散粒子群算法在物流配送路径问题中的应用

  • 吴 天红 江苏省徐州工程学院 江苏 徐州 221000
  • 王 玮 江苏省徐州工程学院 江苏 徐州 221000
  • 姜 英姿 江苏省徐州工程学院 江苏 徐州 221000
关键词: 旅行商问题;多目标优化;人工蜂群算法;迭代本地搜索;粒子群优化

摘要

粒子群优化算法(PSO)是一种基于鸟群行为的进化元启发式算法,已成功地应用于求解多种问题。本文以容 量约束车辆路径问题(CVRP)为研究对象,研究了运输和物流中的配送路径优化问题。提出了一种改进的离散粒子群优化 算法(DPSO),它是 PSO 算法的一个衍生,结合迭代局部搜索(ILS)方法。在搜索过程中,改进的算法可以根据进化世代 自适应调整粒子的飞行时间,ILS 保证粒子从局部极小值逃逸。对部分基准问题的实验结果表明,该方法能获得较好的结果。

参考

[1] 高 尚 , 韩斌 , 吴小俊 , et al. 求解旅行商问题

的混合粒子群优化算法 [J]. 控制与决策 , 2004(11):86-89.

[2] 公茂果 , 焦李成 , 杨咚咚 , et al. 进化多目标优

化算法研究 [J]. 软件学报 , 2009, 20(2):271-289.

[3] 刘云忠 , 宣慧玉 . 车辆路径问题的模型及算法研

究综述 [J]. 管理工程学报 , 2005, 19(1):124-130.

[4] 白翠玲 , 苗泽华 , 杨建朝 . 基于帕累托最优的京

津冀旅游企业合作路径选择 . 商业研究 , 2008(10):45-48.

[5] 晁晓菲 , 杨晓龙 . 带容量约束的车辆路径问题算

法综述 [J]. 价值工程 , 2012(05):26-27.

[6] 蒋宗礼 , 张婷 . 基于用户行为分析的本地搜索排

序算法优化 [J]. 计算机技术与发展 , 2014(02):21-24+30.

已出版
2024-01-05
栏目
论文