蜂群优化算法在车辆路径问题中的应用

doi:10.3778/j.issn.1002-8331.2010.05.065

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (5): 214-216.DOI: 10.3778/j.issn.1002-8331.2010.05.065

蜂群优化算法在车辆路径问题中的应用

杨进¹，马良²

1.上海理工大学理学院，上海 200093
2.上海理工大学管理学院，上海 200093

收稿日期:2008-08-14 修回日期:2008-09-29 出版日期:2010-02-11 发布日期:2010-02-11
通讯作者: 杨进

Wasp colony algorithm for vehicle routing problem

YANG Jin¹，MA Liang²

1.School of Science，University of Shanghai for Science and Technology，Shanghai 200093，China
2.School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China

Received:2008-08-14 Revised:2008-09-29 Online:2010-02-11 Published:2010-02-11
Contact: YANG Jin

摘要/Abstract

摘要： 车辆路径问题（VRP）是组合优化中典型的NP难题。根据车辆路径问题的实际情况，考察车辆数和总行程两个目标函数，给出了该问题的一种新的算法，蜂群算法。通过计算若干benchmark问题，并将结果与其他算法相比较与分析，验证了算法的有效性。蜂群算法是刚刚起步的智能优化算法，目前国内外关于蜂群算法的文献较少，故不仅是拓宽蜂群算法的应用范围的有效的尝试，同时也给车辆路径问题提供了一种新的解决方法。

关键词: 车辆路径问题, 蜂群算法, 优化

Abstract: Vehicle Routing Problem（VRP） is the typical NP-hard problem in combinatorial optimization.This paper proposes a new algorithm，wasp colony algorithm，for vehicle routing problem through comparing the two target function：vehicle number and total distance.Series of benchmark problems are tested and verify the validity of the algorithm through comparing the results with the other algortihms.The wasp colony algorithm has just begun to develop and due to now it is only used in few problems at home and abroad.Therefore this paper not only expands the application scope of the wasp colony algorithm but also gives a new method to solve the vehicle routing problem.

Key words: Vehicle Routing Problem（VRP）, wasp colony algorithm, optimization

中图分类号:

TP18

杨进¹，马良². 蜂群优化算法在车辆路径问题中的应用[J]. 计算机工程与应用, 2010, 46(5): 214-216.

YANG Jin¹，MA Liang². Wasp colony algorithm for vehicle routing problem[J]. Computer Engineering and Applications, 2010, 46(5): 214-216.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	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.
[5]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[6]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[7]	高铖铖，陈锡程，张瑞，宋秋月，易东，伍亚舟. 三种新型智能算法在疫情预警模型中的应用——基于百度搜索指数的COVID-19疫情预警[J]. 计算机工程与应用, 2021, 57(8): 256-263.
[8]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[9]	许小媛，李海波，黄黎. 云存储多异构文件联合延迟尾概率凸优化分析[J]. 计算机工程与应用, 2021, 57(5): 88-94.
[10]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[11]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[12]	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.
[13]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[14]	张伟康，刘升，任春慧. 混合策略改进的麻雀搜索算法[J]. 计算机工程与应用, 2021, 57(24): 74-82.
[15]	徐辰华，骆珠光，吴冠宏，刘斌. 基于正弦因子和量子局部搜索的灰狼优化算法[J]. 计算机工程与应用, 2021, 57(24): 83-89.

蜂群优化算法在车辆路径问题中的应用

Wasp colony algorithm for vehicle routing problem

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