考虑工作量平衡的多旅行商问题及其求解

doi:10.3778/j.issn.1002-8331.2010.15.015

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (15): 47-50.DOI: 10.3778/j.issn.1002-8331.2010.15.015

考虑工作量平衡的多旅行商问题及其求解

刘伟民^1，2，李苏剑¹，郑爱云²，赵方庚³

1.北京科技大学机械工程学院物流工程系，北京 100083
2.河北理工大学机械工程学院，河北唐山063009
3.汽车管理学院车管系，安徽蚌埠 233011

收稿日期:2008-12-02 修回日期:2009-03-02 出版日期:2010-05-21 发布日期:2010-05-21
通讯作者: 刘伟民

Multiple traveling salesmen problem with workload balance and its resolution

LIU Wei-min^1，2，LI Su-jian¹，ZHENG Ai-yun²，ZHAO Fang-geng³

1.Department of Logistics Engineering，School of Mechanical Engineering，University of Science and Technology Beijing，Beijing 100083，China
2.School of Mechanical Engineering，Hebei Polytechnic University，Tangshan，Hebei 063009，China
3.Department of Vehicle Management，Vehicle Management Institute，Bengbu，Anhui 233011，China

Received:2008-12-02 Revised:2009-03-02 Online:2010-05-21 Published:2010-05-21
Contact: LIU Wei-min

摘要/Abstract

摘要： 根据多旅行商问题（MTSP）特点，针对最小化各旅行商最长路线这一优化目标，提出改进蚁群算法（IACO）。最小化各旅行商最长路线考虑各旅行商的工作量平衡，更具实际应用意义。算法中信息素更新与限制遵循最大最小蚁群算法（MMAS）框架，为提高算法性能设计混合局域搜索算法。利用文献中标准算例进行检验，结果表明，所设计蚁群算法与三种遗传算法相比表现出较强竞争性。

关键词: 蚁群算法, 局域搜索算法, 多旅行商问题

Abstract: An improved ant colony optimization（IACO） algorithm for the MTSP is proposed.The optimized objective is that minimizing the maximum tour length of each salesman which related with balancing the workload among salesmen.The minmax objective has more application meaning in practice.In the algorithm，the pheromone trail updating and limits follow the MAX-MIN Ant System（MMAS） scheme，and a hybrid local search procedure is designed to improve the performance of the algorithm.The proposed algorithm is tested using some benchmark instances in literatures and compared with three genetic algorithms（GA）.The experimental results show that the proposed algorithm is competitive.

Key words: ant colony optimization, local search, Multiple Traveling Salesmen Problem（MTSP）

中图分类号:

TP301.6

刘伟民^1，2，李苏剑¹，郑爱云²，赵方庚³. 考虑工作量平衡的多旅行商问题及其求解[J]. 计算机工程与应用, 2010, 46(15): 47-50.

LIU Wei-min^1，2，LI Su-jian¹，ZHENG Ai-yun²，ZHAO Fang-geng³. Multiple traveling salesmen problem with workload balance and its resolution[J]. Computer Engineering and Applications, 2010, 46(15): 47-50.

[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]	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.
[4]	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.
[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.
[7]	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.
[8]	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.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[14]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.
[15]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.

考虑工作量平衡的多旅行商问题及其求解

Multiple traveling salesmen problem with workload balance and its resolution

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