基于量子差分進化算法在解決組合優(yōu)化問題時表現出的計算效率及優(yōu)化性能方面的優(yōu)勢,提出應用量子差分進化算法求解車輛路徑問題,將量子比特解碼為表示顧客順序的實數量子染色體,設計了基于量子比特概率幅的差分交叉和變異算子以保持種群多樣性,構建了動態(tài)量子旋轉門進行變領域搜索,提出應用貪婪準則進行量子更新選擇,將設計的算法應用于典型車輛路徑問題,求解結果表明算法具有較好的魯棒性,與標準CVRP算例的對比結果表明筆者算法是求解中、小型規(guī)模算例的一個有效算法。 

【文章來源】：浙江工業(yè)大學學報. 2020,48(01)北大核心

【文章頁數】：6 頁

【部分圖文】：

2-Opt操作過程示意圖

圖3是P-n20-k2求解迭代過程與量子進化算法及差分進化算法的比較,圖中實線為量子差分進化算法,虛線為量子進化算法,點線為差分進化算法。由圖3可知:進化前期,3 種算法均能實現快速優(yōu)化,相對而言,差分進化算法在進化前期的進化速度最快,但隨著進化代數的增加,差分進化算法的搜索性能下降,最終的收斂解最差;量子進化算法的前期搜索效果較好,隨著迭代次數的增加,其進化速度變慢;而量子差分進化算法結合其他兩種算法的優(yōu)點,在搜索后期持續(xù)優(yōu)化,搜索到更好的解。因此,相對量子進化算法及差分進化算法,筆者算法在求解VRP問題時具有更強的全局搜索能力。4 結 論

若l滿足式(4)載重要求,則將其放入該車中,將l移出待配送顧客集,否則計算其他未配送顧客與i的距離,按式(9)依次選擇,若沒有顧客能放入該車輛,則建立一個新的車輛群重復前面的過程,直到所有顧客都分配車輛,圖1為某一解碼后的結果,圖1表示15 個顧客的配送方案。由圖1可知:該方案需要兩輛車,第一輛車的配送順序為“配送中心0-6-2-9-4-11-13-配送中心”,第二輛車為“配送中心-5-1-3-7-8-10-12-14-15-配送中心”。2.2 量子變異

【參考文獻】：
期刊論文
[1]考慮碳排放的選址-路徑問題研究[J]. 趙燕偉,錢振宇,張景玲,張春苗.  浙江工業(yè)大學學報. 2018(05)
[2]基于化學反應優(yōu)化算法的車輛路徑問題[J]. 蔣海青,趙燕偉,冷龍龍.  計算機集成制造系統(tǒng). 2018(08)
[3]求解CVRP問題的改進和聲算法[J]. 顏騰威,王麗俠,周杰,王基一.  計算機技術與發(fā)展. 2016(09)
[4]基于分解的多目標量子差分進化算法[J]. 常新功,劉文娟,呂亞麗.  計算機應用與軟件. 2016(08)
[5]多車型同時取送貨問題的低碳路徑研究[J]. 趙燕偉,李文,張景玲,任設東.  浙江工業(yè)大學學報. 2015(01)
[6]量子差分進化算法及在函數極值優(yōu)化中的應用研究[J]. 張曉雷.  自動化技術與應用. 2014(08)
[7]求解車輛路徑問題的人工蜂群算法[J]. 王志剛,夏慧明.  計算機工程與科學. 2014(06)
[8]一種實數編碼的量子差分進化算法[J]. 陳曉峰,楊廣明,黃明.  小型微型計算機系統(tǒng). 2013(05)
[9]基于車輛共享的軟時間窗動態(tài)需求車輛路徑問題[J]. 王萬良,黃海鵬,趙燕偉,張景玲.  計算機集成制造系統(tǒng). 2011(05)
[10]基于混合禁忌搜索算法的動態(tài)車輛路徑研究[J]. 陳曉瞇,孟志青,徐杰.  浙江工業(yè)大學學報. 2009(05)

碩士論文
[1]基于混合量子進化算法的隨機車輛路徑問題的研究[D]. 李川.浙江工業(yè)大學 2012



本文編號：3257045