面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

基于矩阵分解的质量计划规约、优化模型

本文在Ｃｌａｕｓｉｎｇ／Ｍａｋａｂｅ－ＡＳＩＱＦＤ模型基础上，采用其逐级分解的方法，引进时间、时序、数理逻辑、代价和可行性等概念，并加入人员机制，提出了基于矩阵分解的质量计划规约、优化模型；该模型通过引导使用者对质量目标进行逐级矩阵分解；对分解的最终结果进行推理、方案搜索与优化、冗余剔除、冲突检查和排序，以获得可实施的。