基于集合的粒子群優(yōu)化算法（set-based particle swarm optimization,S-PSO）主要用于解決離散域的組合優(yōu)化問題。但S-PSO只考慮了當前粒子的最優(yōu)對速度更新的影響,易陷入局部最優(yōu)解。提出ES-PSO（enhanced S-PSO）算法,重新設(shè)計速度更新策略。在速度更新策略中加入了全局最優(yōu)和鄰域最優(yōu)的影響,同時,修改權(quán)重系數(shù),使粒子在更新時優(yōu)先考慮服務時間較早的粒子,更加合理地安排了節(jié)點的服務順序。使用ES-PSO算法求解帶時間窗的車輛路徑問題（vehicle routing problem with time windows,VRPTW）,提出了ES-PSO-VRPTW算法。實驗結(jié)果表明,基于Solomon數(shù)據(jù)集,ES-PSO-VRPTW算法在最優(yōu)路徑數(shù)目（number of vehicle-route,NV）和總里程（total distance,TD）上的表現(xiàn)比S-PSO-VRPTW更加優(yōu)越。將ES-PSO-VRPTW用于求解帶時間窗的垃圾回收車輛運輸問題,得到的路徑數(shù)目NV和總里程TD相對于S-PSO-VRPTW以及傳統(tǒng)的遺傳算法（geneti... 

【文章來源】：重慶郵電大學學報(自然科學版). 2020,32(05)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

垃圾車輛運輸模型網(wǎng)絡(luò)拓撲示意圖

為了驗證本文提出的ES-PSO-VRPTW算法性能,將GA遺傳算法、ACO蟻群算法、S-PSO-VRPTW算法和ES-PSO-VRPTW算法分別用于上述模型中。經(jīng)過1 000次迭代,得到最小路徑數(shù)量和最小總里程,如圖 2和圖3。由圖2可知,NV值隨著迭代次數(shù)的增加而降低,ES-PSO-VRPTW算法最終得到的路徑數(shù)量NV為4,小于其他3種算法的結(jié)果,相對于S-PSO-VRPTW和GA結(jié)果5優(yōu)化了25%,相對于ACO結(jié)果6優(yōu)化了33.3%。

圖3顯示總里程TD同樣隨著迭代次數(shù)增加而減小。ES-PSO-VRPTW算法的最小總里程TD穩(wěn)定在304,也小于其他3種算法的結(jié)果,相對于GA算法的結(jié)果399優(yōu)化了23.8%,相對于ACO算法的結(jié)果432優(yōu)化了29.6%,相對于S-PSO-VRPTW算法的結(jié)果319優(yōu)化了4.7%�？梢钥闯�,本文提出的ES-PSO-VRPTW算法性能比傳統(tǒng)的啟發(fā)式算法更加優(yōu)越。3 結(jié)束語

【參考文獻】：
期刊論文
[1]帶時間窗的快遞包裝回收車輛路徑優(yōu)化研究[J]. 鄧學平,薛瑩,田帥輝.  重慶郵電大學學報(自然科學版). 2018(06)
[2]B2C電子商務物流中心選址-路徑綜合優(yōu)化研究[J]. 鄧學平,周昔敏,田帥輝.  重慶郵電大學學報(自然科學版). 2016(04)
[3]兩階段啟發(fā)式算法求解帶時間窗的多中心車輛路徑問題[J]. 于濱,靳鵬歡,楊忠振.  系統(tǒng)工程理論與實踐. 2012(08)



本文編號：2964754