針對(duì)物流配送過程中客戶需求較大、單輛車難以滿足且客戶對(duì)駛?cè)胲囆陀邢拗频膯栴},構(gòu)建了多車型需求可拆分車輛調(diào)度模型。提出交互煙花算法(interactive fireworks algorithm,In-FWA)優(yōu)化求解模型,在煙花算法(fireworks algorithm,FWA)的基礎(chǔ)上作出如下改進(jìn):1)在FWA常規(guī)爆炸中引入一種新的扇形爆炸機(jī)制,加強(qiáng)了煙花間的信息交流;2)使用螺旋變異方式替換了原有的高斯變異,加入了變異煙花與當(dāng)前最優(yōu)煙花間的信息交流;3)采取種群間精英群體吸取較差群體中較優(yōu)維度的方式,進(jìn)一步加強(qiáng)了算法種群間的信息交互性。最后,通過實(shí)驗(yàn)進(jìn)行驗(yàn)證并與增強(qiáng)型煙花算法(enhanced fireworks algorithm,EFWA)、粒子群優(yōu)化(particle swarm optimization,PSO)算法、免疫粒子群優(yōu)化(immune particle swarm optimization,IPSO)算法、蟻群算法(ant colony algorithm,ACA)進(jìn)行對(duì)比分析。結(jié)果表明In-FWA具有更高的收斂速度與局部搜索精度,明確了In-FWA求解該問題...

【文章頁數(shù)】：7 頁

【部分圖文】：

圖12種常規(guī)爆炸方式二維圖

原始FWA中,所有選擇的維度上爆炸所產(chǎn)生的偏移是相同的,本文為了加強(qiáng)局部搜索的多樣性,在每個(gè)偏移維度選擇不同的偏移值,并且加入了一種新的交互式爆炸機(jī)制,加強(qiáng)了煙花爆炸的信息交互性。2種爆炸方式二維示意圖如圖1所示。圖1(a)為全面爆炸方式,不同維度產(chǎn)生不同偏移值;圖1(b)為扇形....

圖22-opt優(yōu)化算法

例如,當(dāng)k=4,j=7,兩元素法優(yōu)化方式如圖2所示。由于本研究過程中車輛額定容積的限制,車輛可配送客戶數(shù)量有限,使用2-opt優(yōu)化方法快速計(jì)算出車輛的配送路徑方案。

圖3車輛調(diào)度模型求解流程

本文應(yīng)用In-FWA產(chǎn)生車輛調(diào)度方案,并使用2-opt法優(yōu)化車輛路徑,以最小化成本為目標(biāo),滿足模型中各項(xiàng)約束,優(yōu)化求解多車型需求可拆分車輛調(diào)度模型。車輛調(diào)度模型求解流程如圖3所示。3實(shí)驗(yàn)仿真與結(jié)果分析

圖4客戶點(diǎn)經(jīng)緯度圖示及調(diào)度路徑

表7In-FWA最優(yōu)解的調(diào)度方案車輛路徑配送量/m3車輛路徑配送量/m3A10—1—6—02+6=8B30—7—012A20—4—08B40—12—13—07+5=12A30—5—9—05+3=8B50—19—010A40—1....

本文編號(hào)：3997058