针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种...针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。展开更多
针对带时间窗车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了混合种群增量学习算法(hybrid population-based incremental learning algorithm,HPBIL),用于同时最小化车辆数和总行驶距离.在HPBIL中,通过改进标...针对带时间窗车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了混合种群增量学习算法(hybrid population-based incremental learning algorithm,HPBIL),用于同时最小化车辆数和总行驶距离.在HPBIL中,通过改进标准的PBIL概率模型以提高算法的全局探索能力,同时设计了基于插入法和两点邻域交换法的两阶段局部搜索来增强算法的局部开发能力.仿真实验和算法比较验证了HPBIL的有效性和鲁棒性.展开更多
文摘针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。
文摘针对带时间窗车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了混合种群增量学习算法(hybrid population-based incremental learning algorithm,HPBIL),用于同时最小化车辆数和总行驶距离.在HPBIL中,通过改进标准的PBIL概率模型以提高算法的全局探索能力,同时设计了基于插入法和两点邻域交换法的两阶段局部搜索来增强算法的局部开发能力.仿真实验和算法比较验证了HPBIL的有效性和鲁棒性.