旁域更新智能水滴算法软时间窗车辆路径优化

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (20): 253-258.

旁域更新智能水滴算法软时间窗车辆路径优化

周虹1，张磊2，谭阳1

1.湖南广播电视大学信息工程系，长沙 410004
2.湖南大学金融与统计学院，长沙 410079

出版日期:2015-10-15 发布日期:2015-10-30

Adjacent domain renewal intelligent water drops algorithm based soft time window vehicle routing optimization

ZHOU Hong1, ZHANG Lei2, TAN Yang1

1.Department of Information Engineering, Hunan Radio and TV University, Changsha 410004, China
2.College of Finance and Statistics, Hunan University, Changsha 410079, China

Online:2015-10-15 Published:2015-10-30

摘要/Abstract

摘要： 利用智能水滴算法（IWD）特点，设计了基于IWD算法的车辆路径优化算法框架。针对标准IWD算法在泥土更新上过于单一的缺点，设计了旁域更新的泥土含量更新机制，考虑整个河道的泥土信息变化，增加了其他水滴到达目标节点的概率；提出了车辆路径IWD算法的编码方式，基于改进的旁域更新IWD算法设计了软时间窗车辆路径优化算法;通过实验仿真，对比旁域IWD算法与标准算法及粒子群算法的车辆路径优化结果，显示该算法相比对比算法具有更高的收敛精度和更快的收敛时间。

关键词: 智能水滴算法, 车辆路径, 旁域泥土更新, 软时间窗, 优化

Abstract: According to the characteristics of Intelligent Water Drop algorithm （IWD）, the framework of vehicle routing optimization algorithm based on IWD algorithm is designed. According to the disadvantages of traditional IWD algorithm in soil updating, the adjacent domain update mechanism is proposed, which considers the changes of soil information of the whole river, and increases the probability for other water drops reaching the target node. The encoding of IWD algorithm for vehicle routing is designed, by which the soft time window vehicle routing algorithm is designed. Through simulation experiments, compared with the standard algorithm and the particle swarm algorithm, adjacent domain update IWD based vehicle routing optimization algorithm has higher convergence precision and faster convergence speed than the contrast algorithm.

Key words: intelligent water drop algorithm, vehicle routing, adjacent domain soil renewal, soft time windows, optimization

周虹1，张磊2，谭阳1. 旁域更新智能水滴算法软时间窗车辆路径优化[J]. 计算机工程与应用, 2015, 51(20): 253-258.

ZHOU Hong1, ZHANG Lei2, TAN Yang1. Adjacent domain renewal intelligent water drops algorithm based soft time window vehicle routing optimization[J]. Computer Engineering and Applications, 2015, 51(20): 253-258.

[1]	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.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[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]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[15]	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.