求解车辆路径安排问题的混合遗传算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 225-228.

求解车辆路径安排问题的混合遗传算法

戴树贵^1,2，姜昌华¹，潘荫荣¹，胡幼华¹

1.华东师范大学计算机科学技术系，上海 200062
2.滁州学院数学系，安徽滁州 239000

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 戴树贵

Hybrid Genetic Algorithm for solving Vehicle Routing Problem

DAI Shu-gui^1,2，JIANG Chang-hua¹，PAN Yin-rong¹，HU You-hua¹

1.Dept. of Computer Science and Technology，East China Normal University，Shanghai 200062，China
2.Dept. of Mathematics，Chuzhou University，Chuzhou，Anhui 239000，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: DAI Shu-gui

摘要/Abstract

摘要： 讨论了具有容量限制的车辆路径安排问题，设计了一个高效混合遗传算法。针对简单遗传算法易收敛于局部最优解的缺点，算法设计了交叉规则和选择策略。只有当两个个体的评价函数值满足一定条件时，才能进行交叉操作。采用优良个体保留策略执行选择操作，设计了保留函数。算法依据顶点间的位置关系，设计了优化策略，在每代进化中按概率选择一定数量的个体执行优化操作。数据实验表明，该算法是一个有效的求解车辆路径安排问题的混合遗传算法。

关键词: 车辆路径安排问题, 遗传算法, 交叉规则, 优化策略

Abstract: Capacitated Vehicle Routing Problem（CVRP） is discussed，and an efficient hybrid genetic algorithm is designed.Crossover and selection rule are designed to overcome the shortcoming of simple genetic algorithm that is easy to trapping in local optimum.Crossover can be performed only between two individuals satisfying the given condition.Better individuals preserved policy is adopted and a function is designed to decide the number of better individuals.Optimal policy is schemed out according to locations relations between points and some individuals are selected to optimize in every generation according to the given probability.The data experiment show the algorithm is an efficient algorithm for solving CVRP.

Key words: Vehicle Routing Problem, genetic algorithm, crossover rule, optimal policy

戴树贵^1,2，姜昌华¹，潘荫荣¹，胡幼华¹. 求解车辆路径安排问题的混合遗传算法[J]. 计算机工程与应用, 2007, 43(21): 225-228.

DAI Shu-gui^1,2，JIANG Chang-hua¹，PAN Yin-rong¹，HU You-hua¹. Hybrid Genetic Algorithm for solving Vehicle Routing Problem[J]. Computer Engineering and Applications, 2007, 43(21): 225-228.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	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.
[10]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[11]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[12]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[13]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[14]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[15]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.