版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文所研究的限量弧路由問題(Capacitated Arc Routing Problem,CARP)是一個(gè)經(jīng)典的組合優(yōu)化問題。它在現(xiàn)實(shí)中具有非常廣泛的應(yīng)用,如冬季撒鹽路由、城市垃圾清理、信件投遞等現(xiàn)實(shí)應(yīng)用均能夠抽象為限量弧路由問題?;谏鲜鲈?,該問題在近年來(lái)越來(lái)越受到研究者的關(guān)注。然而,由于其問題本身的復(fù)雜性,現(xiàn)有的解決方法均無(wú)法在對(duì)問題規(guī)模的多項(xiàng)式時(shí)間內(nèi)找到全局最優(yōu)解。因此,我們考慮利用近似算法中的元啟發(fā)式方法(Meta-heur
2、istics)來(lái)對(duì)問題進(jìn)行求解以得到盡可能逼近最優(yōu)解的次優(yōu)解。由限量弧路由問題的基本模型開始,我們?cè)O(shè)計(jì)了一個(gè)問題相關(guān)的全局修復(fù)算子。該全局修復(fù)算子能夠很好地嵌入任意基于搜索的限量弧路由問題優(yōu)化算法并提高其搜索效率。
由整個(gè)算法框架角度出發(fā),模因演算法(Memetic Algorithms)在許多從實(shí)際出發(fā)的離散問題與組合優(yōu)化問題上均得到了成功。它可看作是傳統(tǒng)演化算法與局部搜索相結(jié)合而構(gòu)成的混合算法框架。模因演算法中包含的局
3、部搜索所帶來(lái)的高選擇壓力使其能夠比傳統(tǒng)的演化算法更快地找到質(zhì)量更好的解。當(dāng)應(yīng)用于限量弧路由問題時(shí),我們發(fā)現(xiàn)傳統(tǒng)的局部搜索(基于傳統(tǒng)的小步長(zhǎng)搜索算子的局部搜索)依舊難以對(duì)具有搜索吸引力的區(qū)域有效地進(jìn)行開發(fā),因而面臨解無(wú)法跳出局部最優(yōu)的風(fēng)險(xiǎn)?;谏鲜鲈?,我們提出了一個(gè)基于擴(kuò)展鄰域搜索的模因演算法以幫助這樣的解跳出當(dāng)前局部最優(yōu)從而到達(dá)新的更好的局部最優(yōu)解。經(jīng)驗(yàn)證該算法能夠得到質(zhì)量遠(yuǎn)高于當(dāng)前性能最優(yōu)算法的解,盡管其所需計(jì)算消耗更大。
4、 接下來(lái),我們進(jìn)一步研究了限量弧路由問題的兩種更為復(fù)雜的模型:周期性限量弧路由問題與多目標(biāo)限量弧路由問題。周期性限量弧路由問題為基本限量弧路由問題從單時(shí)期至多時(shí)期的一個(gè)擴(kuò)展模型。該問題引入了最小化整個(gè)周期內(nèi)所需車輛數(shù)目這一主要優(yōu)化目標(biāo),而在基本限量弧路由問題中的唯一優(yōu)化目標(biāo),即最小化回路總消耗,則變?yōu)榇我獌?yōu)化目標(biāo)?;趩栴}主要優(yōu)化目標(biāo)對(duì)傳統(tǒng)搜索算子的敏感性較低這一現(xiàn)象,我們提出了一個(gè)將主要目標(biāo)與次要目標(biāo)分離進(jìn)行優(yōu)化的算法。具體來(lái)說(shuō),
5、我們?cè)O(shè)計(jì)了一個(gè)專門優(yōu)化主要目標(biāo)的特定算子并將其在算法中的局部搜索之前進(jìn)行調(diào)用。通過(guò)實(shí)驗(yàn)我們得出,在解決具有對(duì)傳統(tǒng)搜索算子敏感性較低目標(biāo)的問題時(shí),將其與其余敏感性較高的目標(biāo)分離進(jìn)行優(yōu)化將能夠得到更好的結(jié)果。
多目標(biāo)限量弧路由問題同時(shí)具有多目標(biāo)優(yōu)化問題與組合優(yōu)化問題所導(dǎo)致的難度,這使其成為一個(gè)極具挑戰(zhàn)性的問題?;谠诙嗄繕?biāo)限量弧路由問題環(huán)境下對(duì)現(xiàn)有演化多目標(biāo)優(yōu)化策略的性能評(píng)估結(jié)果,我們將單目標(biāo)限量弧路由優(yōu)化方法與演化多目標(biāo)優(yōu)化
6、策略的優(yōu)勢(shì)進(jìn)行了有機(jī)地結(jié)合,并通過(guò)實(shí)驗(yàn)驗(yàn)證了這樣的組合方式在性能上能夠同時(shí)超越簡(jiǎn)單地?cái)U(kuò)展單目標(biāo)限量弧路由算法與直接應(yīng)用現(xiàn)有多目標(biāo)演化算法框架這兩種對(duì)于多目標(biāo)限量弧路由問題的解決方法。
最后,我們對(duì)非確定限量弧路由問題進(jìn)行了研究。至今為止,關(guān)于限量弧路由問題的大部分研究工作均集中于關(guān)注確定環(huán)境下的限量弧路由問題。在確定性限量弧路由問題中,包括任務(wù)需求量與頂點(diǎn)之間經(jīng)過(guò)消耗等問題參數(shù)均為已知常數(shù)。然而,在許多現(xiàn)實(shí)應(yīng)用問題中,這些
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于啟發(fā)式算法求解路由與波長(zhǎng)分配問題.pdf
- 流水調(diào)度問題的啟發(fā)式求解.pdf
- 70202.求解大學(xué)排課問題的啟發(fā)式方法
- 求解作業(yè)車間調(diào)度問題的元啟發(fā)式算法.pdf
- 聯(lián)合啟發(fā)式求解優(yōu)先約束問題.pdf
- 求解GCP問題的啟發(fā)式算法研究.pdf
- 啟發(fā)式求解大規(guī)模流水調(diào)度問題.pdf
- 求解裝箱問題的啟發(fā)式算法研究.pdf
- 求解單機(jī)調(diào)度問題的啟發(fā)式算法研究.pdf
- 基于警示傳播的啟發(fā)式極性決策算法求解SAT問題.pdf
- 基于增強(qiáng)學(xué)習(xí)的啟發(fā)式和元啟發(fā)式搜索的參數(shù)調(diào)優(yōu)策略.pdf
- 求解車間作業(yè)調(diào)度問題的啟發(fā)式算法.pdf
- 求解作業(yè)加工調(diào)度問題的啟發(fā)式算法.pdf
- 求解多目標(biāo)流水車間調(diào)度問題的元啟發(fā)式算法研究.pdf
- 求解矩形件下料問題的順序啟發(fā)式算法.pdf
- 求解矩形件排樣問題的啟發(fā)式算法研究.pdf
- 衛(wèi)星艙布局問題的啟發(fā)式求解與涌現(xiàn)計(jì)算.pdf
- 求解加權(quán)圓集布局問題的啟發(fā)式演化算法研究.pdf
- 一種求解直角邊零件下料問題的啟發(fā)式方法.pdf
- 10622.基于禁忌搜索的tspr啟發(fā)式算法求解pcenter問題
評(píng)論
0/150
提交評(píng)論