基于车辆路径问题的蚁群遗传融合优化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (4): 233-235.

基于车辆路径问题的蚁群遗传融合优化算法

张翠军,张敬敏,王占锋

石家庄经济学院计算机科学系，石家庄 050031

收稿日期:2007-06-04 修回日期:2007-08-02 出版日期:2008-02-01 发布日期:2008-02-01
通讯作者: 张翠军

Combinated optimization algorithm of ant colony and genetic based on Vehicle Routing Problem

ZHANG Cui-jun,ZHANG Jing-min,WANG Zhan-feng

Deptartment of Computer Science，Shijiazhuang University of Economics，Shijiazhuang 050031，China

Received:2007-06-04 Revised:2007-08-02 Online:2008-02-01 Published:2008-02-01
Contact: ZHANG Cui-jun

摘要/Abstract

摘要： 在对车辆路径问题（VRP）分析的基础上，为之建立了数学模型，提出了一种适合求解该问题的蚁群遗传融合优化算法。该算法首先采用蚁群算法产生阶段最优解，然后利用遗传算法的变异算子对阶段最优解进一步优化。仿真结果表明，该算法能高效解决VRP，并且优化效果较好。

关键词: 车辆路径问题, 蚁群算法, 遗传算法, 融合优化算法

Abstract: Based on the analysis about VRP，a mathematical model is built and a combinated optimization algorithm of ant colony and genetic suitable for solving it is designed.First，it adopts ant colony algorithm to produce a stage solution；Second，it makes use of the mutation operator of genetic algorithm to optimize the stage optimal solution further.The simulation results show that the algorithm can solve VRP efficiently and obtain preferable solution.

Key words: Vehicle Routing Problem, ant colony algorithm, Genetic Algorithm, combinated optimization algorithm

张翠军,张敬敏,王占锋. 基于车辆路径问题的蚁群遗传融合优化算法[J]. 计算机工程与应用, 2008, 44(4): 233-235.

ZHANG Cui-jun,ZHANG Jing-min,WANG Zhan-feng. Combinated optimization algorithm of ant colony and genetic based on Vehicle Routing Problem[J]. Computer Engineering and Applications, 2008, 44(4): 233-235.

[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]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.