基于改进蚁群算法的带时间窗废品收集车辆路径问题

建立了以最小化燃油消耗为优化目标的带时间窗、司机休息时间以及多个中转处理中心的废品收集车辆路径问题模型。提出了一种改进最大最小蚁群算法,针对时间窗特点,设计了两类满足时间窗约束的动态候选列表以提高算法的搜索效率。在最大最小蚁群算法的概率状态转移规则中引入了带距离限制的最近邻域搜索。10个基准实例中的9个实例比当前文献的最优解更好,从而验证了该模型和算法的可行性和有效性。

基于离散教与学算法求解车辆路径问题

教与学算法是一种通过模拟班级授课的“教”与“学”过程来实现对连续优化模型进行优化的群体智能算法。为了求解车辆路径问题,提出一种离散的教与学算法,设计了一种新的个体解码方法对教与学算法的实数个体进行解码。为了尽可能不丢失迭代中的最优解,在离散教与学算法中引入精英策略,同时通过随机变异的方法对重复的个体进行变异以保持种群个体的多样性。最后将2-OPT局部搜索与所提的离散教与学算法混合以提高算法的局部搜索能力。对车辆路径问题的基准实例测试表明,所提的离散教与学算法可以获得基准实例的当前最优解。