交互烟花算法求解多车型需求可拆分车辆调度问题

发布时间：2024-06-29 02:55

　　针对物流配送过程中客户需求较大、单辆车难以满足且客户对驶入车型有限制的问题,构建了多车型需求可拆分车辆调度模型。提出交互烟花算法(interactive fireworks algorithm,In-FWA)优化求解模型,在烟花算法(fireworks algorithm,FWA)的基础上作出如下改进:1)在FWA常规爆炸中引入一种新的扇形爆炸机制,加强了烟花间的信息交流;2)使用螺旋变异方式替换了原有的高斯变异,加入了变异烟花与当前最优烟花间的信息交流;3)采取种群间精英群体吸取较差群体中较优维度的方式,进一步加强了算法种群间的信息交互性。最后,通过实验进行验证并与增强型烟花算法(enhanced fireworks algorithm,EFWA)、粒子群优化(particle swarm optimization,PSO)算法、免疫粒子群优化(immune particle swarm optimization,IPSO)算法、蚁群算法(ant colony algorithm,ACA)进行对比分析。结果表明In-FWA具有更高的收敛速度与局部搜索精度,明确了In-FWA求解该问题...

【文章页数】：7 页

【部分图文】：

图12种常规爆炸方式二维图

原始FWA中,所有选择的维度上爆炸所产生的偏移是相同的,本文为了加强局部搜索的多样性,在每个偏移维度选择不同的偏移值,并且加入了一种新的交互式爆炸机制,加强了烟花爆炸的信息交互性。2种爆炸方式二维示意图如图1所示。图1(a)为全面爆炸方式,不同维度产生不同偏移值;图1(b)为扇形....

图22-opt优化算法

例如,当k=4,j=7,两元素法优化方式如图2所示。由于本研究过程中车辆额定容积的限制,车辆可配送客户数量有限,使用2-opt优化方法快速计算出车辆的配送路径方案。

图3车辆调度模型求解流程

本文应用In-FWA产生车辆调度方案,并使用2-opt法优化车辆路径,以最小化成本为目标,满足模型中各项约束,优化求解多车型需求可拆分车辆调度模型。车辆调度模型求解流程如图3所示。3实验仿真与结果分析

图4客户点经纬度图示及调度路径

表7In-FWA最优解的调度方案车辆路径配送量/m3车辆路径配送量/m3A10—1—6—02+6=8B30—7—012A20—4—08B40—12—13—07+5=12A30—5—9—05+3=8B50—19—010A40—1....

本文编号：3997058