基于改进PSO-GA的设备点检路径优化

为解决传统点检路径优化无法兼顾工作分配、地理跨度和路径最优等因素的问题,建立多目标协同优化的点检路径优化模型,并提出一种改进的粒子群遗传算法(PSO-GA)。采用基于k-d树的k-means算法确定初始粒子群;以PSO作为选择算子嵌入到GA中,重构PSO中的位置速度更新公式;针对点检路径问题与MTSP的主要区别,设计一套基于组的顺序交叉算子;引入2-opt算法作为局部搜索算子,优化迭代结果。实验结果表明,改进的PSO-GA求解高效,最优解质量优良,能够应用于设备点检路径优化。