针对传统遗传算法在求解带时间窗的车辆路径问题(vehicle routing problems with time window,VRPTW)上存在的易陷入局部最优及求解质量不高等问题,本文主要对基于自适应大邻域搜索的遗传算法求解带时间窗车辆路径问题进行研究。通过将...针对传统遗传算法在求解带时间窗的车辆路径问题(vehicle routing problems with time window,VRPTW)上存在的易陷入局部最优及求解质量不高等问题,本文主要对基于自适应大邻域搜索的遗传算法求解带时间窗车辆路径问题进行研究。通过将自适应大邻域搜索算法与遗传算法相结合,称为ALNS-GA设计了3个移除算子和2个重插算子,以提高遗传算法的局部搜索能力,并优化了初始种群生成策略。同时,为了验证算法的有效性,分别对比了传统遗传算法和基于大规模邻域搜索的遗传算法(LNS-GA、LNS*-GA),并选取Solomon数据库上VRPTW测试算例,在Matlab R2016b上进行实验验证。实验结果表明,当终止条件为迭代100次时,ALNS-GA的求解质量高于传统遗传算法,大部分案例中,ALNS-GA所求的最好值优于LNS-GA和LNS*-GA,且ALNS-GA平均用时均小于LNS-GA和LNS*-GA,特别是当顾客规模为100时,ALNS-GA的平均用时更少,虽然小部分案例的平均值略高于LNS-GA和LNS*-GA,但从整体上看,ALNS-GA的寻优速度和质量均优于LNS-GA和LNS*-GA,说明经过改进后,遗传算法的局部搜索能力明显提高,可以有效改善遗传算法在带时间窗车辆路径问题上的应用。该研究具有一定的创新。展开更多
为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Ne...为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。展开更多
文摘针对传统遗传算法在求解带时间窗的车辆路径问题(vehicle routing problems with time window,VRPTW)上存在的易陷入局部最优及求解质量不高等问题,本文主要对基于自适应大邻域搜索的遗传算法求解带时间窗车辆路径问题进行研究。通过将自适应大邻域搜索算法与遗传算法相结合,称为ALNS-GA设计了3个移除算子和2个重插算子,以提高遗传算法的局部搜索能力,并优化了初始种群生成策略。同时,为了验证算法的有效性,分别对比了传统遗传算法和基于大规模邻域搜索的遗传算法(LNS-GA、LNS*-GA),并选取Solomon数据库上VRPTW测试算例,在Matlab R2016b上进行实验验证。实验结果表明,当终止条件为迭代100次时,ALNS-GA的求解质量高于传统遗传算法,大部分案例中,ALNS-GA所求的最好值优于LNS-GA和LNS*-GA,且ALNS-GA平均用时均小于LNS-GA和LNS*-GA,特别是当顾客规模为100时,ALNS-GA的平均用时更少,虽然小部分案例的平均值略高于LNS-GA和LNS*-GA,但从整体上看,ALNS-GA的寻优速度和质量均优于LNS-GA和LNS*-GA,说明经过改进后,遗传算法的局部搜索能力明显提高,可以有效改善遗传算法在带时间窗车辆路径问题上的应用。该研究具有一定的创新。
文摘为最小化电动公交系统的总运营成本,本文提出一种考虑分时电价和多车型的电动公交行车与充电计划的一体化优化模型。该模型同时考虑车次链构建、充电时间窗及充电桩数量等实际运营约束。通过设计自适应大邻域搜索算法(Adaptive Large Neighborhood Search, ALNS)求解车次链,该算法针对多车型下的车次与车型匹配和车次链可行性等问题特性多元化设计可行解的破坏与修复算子。对于ALNS迭代中生成的可行车次链组合,构建分时电价下的充电计划优化子问题,并将其转化到特定的网络图中,设计基于最小费用流的算法求解充电时长,优化决策充电开始时间。选取北京市的3条公交线路验证模型和算法,结果显示,相比于现状,车队规模从30辆减少至24辆,电费成本和运营总成本分别降低了25.84%和20.63%。通过对比实验,探讨不同修复指标权重和车型组合对优化结果的影响。
