基于自适应大规模邻域搜索算法的两级车辆路径问题

两级车辆路径问题(2E-VRP)是在现代物流产业高速发展和运输网络的多极化背景下提出的,其中两级路径指的是从生产中心到中转站(一级),再从中转站到客户(二级),该问题的目标是使整个运输网络的路径最短,从而达到节约费用、节能减排的目的。对于这一问题,文章首先用经典节约算法构造了模型的初始解,然后通过自适应大规模邻域搜索算法对初始解进行改进,实验结果表明,该算法能够取得高质量的解,而且计算速度快,稳定性好。

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。

求解带容量约束车辆路径问题的离散布谷鸟算法

提出一种离散布谷鸟算法(DCA)求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem)。该算法采用轮盘赌机制增强初始解选择的随机性,对基本布谷鸟算法的莱维飞行操作中,使用2-opt法和exchange法进行位置更新;在寄生巢位置更新中,使用shift法和reverse法增强最优解的局部开发能力。选取augerat标准数据集测试算法,并比较BA、ACO、SA及PSO算法结果。实验结果表明:离散布谷鸟算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于其他4种对比算法。

求解绿色车辆路径问题的离散乌贼算法

为求解绿色车辆路径问题(green vehicle routing problem),提出一种离散乌贼算法(DCOA)。采用轮盘赌机制增强初始解选择的随机性,引入精英片段插入策略指导乌贼细胞群的进化方向,提高搜索效率,利用2-opt法和shift法优化当前细胞,增强最优解的局部开发能力。选取Augerat标准数据集,对算法进行测试,并与BA、PSO、CS、SA以及ACO算法进行比较。实验结果表明,DCOA算法相较于其它算法有更强的寻优能力,可以有效求解绿色车辆路径问题,求得的解更能满足绿色车辆路径问题的需求。