著色旅行商問題及其動態(tài)化研究.pdf

1、課題組由多橫梁水切割系統(tǒng)的調度問題出發(fā)，提出了一般性的著色旅行商問題(Colored Traveling Salesman Problem，CTSP)。該問題通過引入顏色來表現(xiàn)個體城市對于不同旅行商的訪問允許性的差異，實現(xiàn)了對現(xiàn)有TSP、Multiple Traveling Salesman Problem(MTSP)的泛化。CTSP可廣泛適用于現(xiàn)實世界中存在多機訪問差別化訪問多任務情形的優(yōu)化調度問題（靜態(tài)）的描述與建模，如多機工程系統(tǒng)

2、的調度問題。為使CTSP更具有一般性、更加系統(tǒng)，本文擬在先前星型CTSP(Radial CTSP)的成果基礎上，進一步提出并研究連環(huán)CTSP、通用CTSP與兩類動態(tài)CTSP的建模與求解方法。主要研究內容與工作如下:
　　1)厘清了星型CTSP與MTSP、TSP的區(qū)別與聯(lián)系。首先理論上證明了星型CTSP是對MTSP、TSP的泛化。接著，從模型與解空間角度上入手，分析證明星型CTSP并非MTSP與TSP的組合，而是對兩者組合問題的泛化

3、。同時，以工業(yè)實例和仿真實驗為手段，量化證實了星型CTSP相比MTSP與TSP組合問題的求解優(yōu)勢。
　　2)在星型CTSP的理論基礎上，提出連環(huán)CTSP(Serial CTSP)，其各個旅行商均擁有專屬城市集，且兩兩相鄰的旅行商共享一個城市集?？捎糜诮Ｗ饔糜虺蚀校ň植浚┲丿B的多機系統(tǒng)的作業(yè)調度問題。相應地，提出了連環(huán)CTSP的種群增量學習(Population-Based Incremental Learning，PBIL)求

4、解算法。大量仿真實驗結果表明，PBIL算法是求解連環(huán)CTSP的有效算法，在解質量、收斂速度和計算耗時方面優(yōu)于先前提出的3種改進的遺傳算法，即貪婪遺傳算法、爬山遺傳算法和模擬退火遺傳算法。
　　3)鑒于星型和連環(huán)CTSP的城市顏色模式過于單調，無法描述加工任務對執(zhí)行個體的訪問允許性更為復雜的作業(yè)調度問題，提出通用CTSP(General CTSP)，它通過引入城市-顏色矩陣，將星型CTSP和連環(huán)CTSP統(tǒng)一泛化，可廣泛適用個體任務不

5、僅存在訪問差異而且差異具有多樣性的一大類優(yōu)化調度問題。提出通用CTSP的變鄰域搜索(Variable Neighborhood Search，VNS)求解算法，采用了無冗余的高效的直接編碼方式，并通過兩階段貪婪初始化和局部2-OPT操作增強算法的局部搜索能力。大量仿真實驗結果表明，VNS算法是求解通用CTSP的有效算法，在解質量、收斂速度和計算耗時方面全面優(yōu)于先前提出的3種遺傳算法和PBIL算法。
　　4)以通用CTSP為基礎，提

6、出兩類動態(tài)CTSP，即城市邊權重時變和城市顏色時變。分別適用于建模一類客戶需求差異化的運輸成本動態(tài)變化的物流配送優(yōu)化問題和一類多倉庫電商的供貨決策問題。提出這兩類動態(tài)CTSP的新型VNS求解算法，算法采納了多種群策略和種群遷移策略，分別用于增強算法的種群多樣性和收斂性速度，以便快速適應動態(tài)變化的環(huán)境，有效跟蹤最優(yōu)解的變化。設計了兩個相對應的動態(tài)環(huán)境仿真器來模擬兩類CTSP的環(huán)境動態(tài)變化，并提出了算法性能評價標準，包括離線性能指標、動態(tài)運