有时间窗车辆路径问题的混合智能算法

doi:10.3778/j.issn.1002-8331.2008.20.016

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (20): 54-56.DOI: 10.3778/j.issn.1002-8331.2008.20.016

有时间窗车辆路径问题的混合智能算法

张有华,张翠军,崔忠强

石家庄经济学院信息工程学院，石家庄 050031

收稿日期:2007-10-11 修回日期:2008-01-04 出版日期:2008-07-11 发布日期:2008-07-11
通讯作者: 张有华

Hybrid intelligence algorithm based on vehicle routing problem with time windows

ZHANG You-hua,ZHANG Cui-jun,CUI Zhong-qiang

College of Information and Technology，Shijiazhuang University of Economics，Shijiazhuang 050031，China

Received:2007-10-11 Revised:2008-01-04 Online:2008-07-11 Published:2008-07-11
Contact: ZHANG You-hua

摘要/Abstract

摘要： 有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上，为之建立了数学模型，提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化，并且及时交换信息，弥补了蚁群算法和遗传算法各自的不足，达到了优势互补的效果，增强了算法的寻优能力，避免了停滞现象。实验结果表明，该算法能有效解决有时间窗的车辆路径问题。

关键词: 有时间窗车辆路径问题, NP-hard问题, 蚁群算法, 遗传算法, 混合智能算法

Abstract: Vehicle routing problem with time windows is a NP-hard problem in combinatorial optimization field.Based on the analysis about it，a mathematical model is built and a hybrid intelligence algorithm for solving it is designed.The algorithm lets ant colony algorithm and genetic algorithm execute alternately and communicate timely in the optimization process.It learns the colony algorithm’s and genetic algorithm’s advantages and makes up their disadvantages.Thus its ability of optimization is enhanced and premature phenomenon is avoided.The experiment results show that the hybrid algorithm is efficient in solving vehicle routing problem with time windows.

Key words: vehicle routing problem with time windows, NP-hard problem, ant colony algorithm, genetic algorithm, hybrid intelligence algorithm

张有华,张翠军,崔忠强. 有时间窗车辆路径问题的混合智能算法[J]. 计算机工程与应用, 2008, 44(20): 54-56.

ZHANG You-hua,ZHANG Cui-jun,CUI Zhong-qiang. Hybrid intelligence algorithm based on vehicle routing problem with time windows[J]. Computer Engineering and Applications, 2008, 44(20): 54-56.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[7]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[8]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[9]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[12]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[13]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[14]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

有时间窗车辆路径问题的混合智能算法

Hybrid intelligence algorithm based on vehicle routing problem with time windows

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics