求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。

基于随机森林与变邻域下降的车辆合乘求解

为了最大化用户满意度,长期车辆合乘问题(LTCPP)被建模为多目标优化问题。然后,根据历史合乘数据以及用户满意度信息,使用随机森林算法计算每个指标对用户满意度的重要性影响,并作为对应优化目标的权重,以避免人为设定权重因子对优化结果的影响。提出了一种求解LTCPP的变邻域下降(VND)算法,通过顺序地在多个邻域内搜索得到问题的最优解。实验结果表明,结合随机森林和VND算法能为LTCPP提供高质量的解决方案,且具有很高的时间效率。