基于混合单亲遗传算法的车辆运输问题求解

本文运用混合单亲遗传算法(Hybrid Partheno Genetic Algorithm,)求解车辆运输问题.我们用罚函数法将约束优化问题转化为无约束优化问题,HPGA采用序号编码的方式进行运算.生成初始种群时,在拟染色体中插入车辆序号,尽可能生成符合约束的子路径,由子路径拼接成完整的运输路径,降低罚函数的计算量;选择操作中内嵌最优保存策略,保证算法全局收敛;取消双亲交叉操作,每条染色体上独立改变基因产生新的个体,避免发生早熟早收敛现象;提出邻域搜索,使得GA能对某些指定区域进行重点搜索,加快算法在最优解附近的寻优速度;以CVRP作为HPGA的测试模型,采用Christofides和Eilon提出的标准VRP测试算例进行数值实验,和其他算法进行对比分析,验证了HPGA计算量少、收敛速度快和不会产生早熟早收敛现象.

采用混合单亲遗传算法求解一类资源-时间优化问题

针对资源有限最短时间的一类资源 -时间优化问题 ,提出了混合单亲遗传算法进行求解 .作为一类 NP完全问题 ,该问题求解难度相当大 ,尤其问题规模大时寻找最短时间优化解就更困难 .针对问题的特点本文引入的算法结合了启发式规则 ,给出了算法全局收敛的理论分析 。

多目标带时间窗的车辆路径问题的单亲遗传混合蚁群算法

考虑具有最大等待时间、最大运输时间限制且带时间窗的车辆路径问题,建立了以车辆行驶路径最短和使用车辆数最小为目标的数学模型。将单亲遗传算法和基本蚁群算法相结合,使其优势互补,并利用单亲遗传算法的特点,构建出两种求解该问题的单亲遗传混合蚁群算法,分别为:单点单亲遗传混合蚁群算法和多点单亲遗传混合蚁群算法。测试算例的结果表明:求解多目标带时间窗的车辆路径问题时,与基本蚁群算法相比,单亲遗传混合蚁群算法具有计算效率高、收敛性好等优点,尤其单点单亲遗传混合蚁群算法不仅具有较好的计算性能,而且具有较高的稳定性。