改進(jìn)粒子群優(yōu)化算法求解車輛路徑問題的研究.pdf

1、車輛路徑問題在物流、組合優(yōu)化以及管理學(xué)領(lǐng)域等都受到許多學(xué)者的廣泛關(guān)注，許多實用的理論方法已經(jīng)運(yùn)用到實際案例中，對人們的日常生活生產(chǎn)都起到了較大的影響。車輛路徑問題作為物流分配的關(guān)鍵環(huán)節(jié)，與人們生產(chǎn)生活息息相關(guān)。因此，研究出一種合理的車輛路徑求解算法，對物資進(jìn)行合理的分配，以獲得低成本投入、高效服務(wù)的回報，不僅是一個挑戰(zhàn)也具有一定的科研價值。
　　文章針對目前車輛路徑問題的研究現(xiàn)狀，對主要的車輛路徑模型及各種求解算法進(jìn)行了綜述。其中

2、車輛路徑問題的模型從簡單的靜態(tài)車輛路徑問題（VRP,vehicle routing problem）、帶時間窗的車輛路徑問題(VRPTW，vehicle routing problem with time window)、取送貨的車輛路徑問題（VRPPD，capacity vehicle routing problem with time window）模型，發(fā)展到動態(tài)、隨機(jī)和模糊的較為復(fù)雜的車輛路徑問題模型，求解算法也從最初的精確算法

3、發(fā)展到啟發(fā)式算法、智能優(yōu)化算法等。針對當(dāng)前車輛路徑問題研究的一個熱點模型—VRPTW，文章主要通過對傳統(tǒng)的粒子群優(yōu)化算法（PSO，Particle Swarm Optimization）進(jìn)行改進(jìn)，并用于求解帶時間窗的車輛路徑問題。粒子群優(yōu)化算法是一種有效的尋優(yōu)算法，該算法的思想基于鳥群覓食過程中產(chǎn)生的由路徑、方向與速度等構(gòu)成的最佳路線，由于其與 VRP問題的一個天然結(jié)合性，因此，能夠使其方便地解決 VRP問題。
　　算法的優(yōu)點是算

4、法涉及參數(shù)少（主要是速度向量和方向向量），且解質(zhì)量較高等特點。然而，與幾乎所有的啟發(fā)式算法一樣，傳統(tǒng)粒子群優(yōu)化算法的全局搜索上能力不足，容易導(dǎo)致算法提前陷入局部最優(yōu)。因此，本文提出的改進(jìn)粒子群優(yōu)化算法對傳統(tǒng)粒子群優(yōu)化算法在以下幾個方面進(jìn)行了改進(jìn)：
　　1、對傳統(tǒng) PSO算法的速度公式和位置公式進(jìn)行重構(gòu)；
　　2、粒子表達(dá)式和粒子健康度的評估。
　　3、引入交換子和交換序加強(qiáng)全局空間的搜索。
　　4、引入變異機(jī)制改

5、進(jìn)種群質(zhì)量。
　　文章將改進(jìn)算法用于解決帶時間窗和載重量限制的車輛路徑問題，更接近實際生活中的物流管理問題，要求在最大程度上滿足客戶的服務(wù)需求，且滿足所有限制條件的前提下，尋找最優(yōu)路線；粒子在尋優(yōu)過程中扮演重要的角色，它的健康程度直接決定下一代種群的質(zhì)量，所以文章引入評估機(jī)制來保證優(yōu)秀個體的延續(xù)；對于解中的點與點的交換往往帶來意想不到的效果，通過交換子和交換序得到解的新排序，獲得新的組合優(yōu)化。文章最后通過 Solomo_100標(biāo)準(zhǔn)

6、測試數(shù)據(jù)集對改進(jìn)的粒子群優(yōu)化算法進(jìn)行了模擬試驗，實驗結(jié)果表明：改進(jìn)算法在尋找最優(yōu)路徑過程中，與其他同類算法相比，數(shù)據(jù)集試驗所需的迭代次數(shù)更少，且在有限的時間范圍內(nèi)獲得最優(yōu)解的概率更大。因此，文章提出的改進(jìn)算法是有效的。
　　本文根據(jù)現(xiàn)實情況以及目前該領(lǐng)域的研究熱點，對不同的車輛路徑問題模型進(jìn)行了系統(tǒng)的描述，并結(jié)合改進(jìn)粒子群優(yōu)化算法使車輛路徑問題有了新的解決途徑，為現(xiàn)代生活中的運(yùn)輸行業(yè)、物流和配送等領(lǐng)域中最優(yōu)車輛路徑方案的規(guī)劃與設(shè)計