基于启发式蚁群算法的VRP问题研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (32): 246-248.

• 工程与应用 • 上一篇

基于启发式蚁群算法的VRP问题研究

刘晓勇，付辉

广东技术师范学院计算机科学学院，广州 510665

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-11 发布日期:2011-11-11

Study on vehicle routing problem based on heuristic ant colony optimization

LIU Xiaoyong，FU Hui

Department of Computer Science，Guangdong Polytechnic Normal University，Guangzhou 510665，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-11 Published:2011-11-11

摘要/Abstract

摘要： 针对蚁群算法求解VRP问题时收敛速度慢，求解质量不高的缺点，把城市和仓库间的距离矩阵和路径节约矩阵信息融入到初始信息素矩阵中作为启发式信息引入到蚁群算法中用于求解有容量限制的车辆路径规划问题（CVRP），在三个基准数据集上的实验研究表明，基于启发式信息的蚁群算法与基本蚁群算法相比能够以较快的速度收敛到较好的解。

关键词: 车辆路径规划问题, 蚁群算法, 启发式方法

Abstract: When Ant Colony Optimization algorithm（ACO） is applied to vehicle routing problem，it always spends much time and has worse solutions.This paper uses ACO based on a heuristic method for vehicle routing problem.This heuristic method combines distance matrix with saving route matrix to assign initial pheromone matrix.Three benchmark datasets are chosen to verify performance of the new algorithm.Experiments show that ant colony optimization based on heuristic information has better solution and spends less time.

Key words: vehicle routing problem, ant colony optimization, heuristic method

刘晓勇，付辉. 基于启发式蚁群算法的VRP问题研究[J]. 计算机工程与应用, 2011, 47(32): 246-248.

LIU Xiaoyong，FU Hui. Study on vehicle routing problem based on heuristic ant colony optimization[J]. Computer Engineering and Applications, 2011, 47(32): 246-248.

[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.

基于启发式蚁群算法的VRP问题研究

Study on vehicle routing problem based on heuristic ant colony optimization

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