基于混合自适应精英遗传算法的路径规划研究

为解决全供应链内企业间物流运输及配送环节带时间窗的车辆路径规划问题(vehicle routing problem with time window,VRPTW),建立以成本最小化为目标,基于碳排放、时间窗、载重等多约束条件下的路径规划模型,创新性地提出基于混合自适应精英遗传算法来求解此类问题。该算法在普通遗传算法的基础上加入了随机配载法、自适应的交叉变异概率、精英保留策略和局部搜索操作,同时巧妙应用改进后的种群选择操作和交叉变异方式,最后利用对比实验验证了算法的准确性、科学性及优越性。结果表明,该算法相比传统遗传算法收敛速度更快,全局搜索能力更强,更容易跳出局部最优解。该算法相比粒子群算法和蚁群算法求解效果更优,有效解决了面向成本最小化的多约束条件下物流运输及配送环节的车辆路径规划问题。