改进蚁群算法在带时间窗车辆路径规划问题中的应用

车辆路径规划问题是当下发展和研究的热门问题之一,针对传统蚁群算法容易陷入局部最优的问题提出了3个改进方案。首先,在更新信息素阶段,只更新当前最优路径的信息素,降低信息素在路径上的积累速度,并增加一个奖励值保证前期迭代搜索的质量,同时为信息素的值设置了上下限。其次,随着迭代次数的增加,同时调整信息素挥发因子,逐步增大以适应蚁群搜索的信息素浓度变化。最后,加入了2-opt(2-optimization)算法、顺序交换策略、顺序插入策略来改进蚁群算法优化每次迭代得到的最优路径。将改进的算法应用在带时间窗的车辆路径问题(VRPTW)上,通过在Solomon Benchmark算例上进行实验,对比算法改进前后的路径最优解,从而证明改进后的算法性能更好。