文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的...文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。展开更多
为求解带时间窗车辆路径问题(vehicle routing problem with time window,VRPTW),针对启发式算法求解路径优化问题的精确度低、时间长等缺点,提出了一种基于密度聚类方法的变邻域模拟退火算法(simulated annealing with variable neighb...为求解带时间窗车辆路径问题(vehicle routing problem with time window,VRPTW),针对启发式算法求解路径优化问题的精确度低、时间长等缺点,提出了一种基于密度聚类方法的变邻域模拟退火算法(simulated annealing with variable neighborhood based on density-based spatial clustering of application with noise,DBSCAN/SAVN)。DBSCAN/SAVN算法首先用DBSCAN聚类算法确定出若干簇类来降低数据规模;针对模拟退火算法中的metropolis准则在求解VRPTW时收敛速度慢、容易陷入局部最优解的缺点,使用3种扰动算子构造出变邻域模拟退火算法的邻域结构;最后通过改进的模拟退火算法对簇类中的小规模车辆路径问题进行求解。通过仿真实验与其他优化启发式算法相比,DBSCAN/SAVN求得解的质量更好,具有可靠的全局稳定性。展开更多
文摘文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。
文摘为求解带时间窗车辆路径问题(vehicle routing problem with time window,VRPTW),针对启发式算法求解路径优化问题的精确度低、时间长等缺点,提出了一种基于密度聚类方法的变邻域模拟退火算法(simulated annealing with variable neighborhood based on density-based spatial clustering of application with noise,DBSCAN/SAVN)。DBSCAN/SAVN算法首先用DBSCAN聚类算法确定出若干簇类来降低数据规模;针对模拟退火算法中的metropolis准则在求解VRPTW时收敛速度慢、容易陷入局部最优解的缺点,使用3种扰动算子构造出变邻域模拟退火算法的邻域结构;最后通过改进的模拟退火算法对簇类中的小规模车辆路径问题进行求解。通过仿真实验与其他优化启发式算法相比,DBSCAN/SAVN求得解的质量更好,具有可靠的全局稳定性。