面向車輛路徑優(yōu)化問題的改進免疫遺傳算法.pdf

1、車輛路徑優(yōu)化問題在連接生產(chǎn)者、銷售者和消費者三個方面上起了很重要的作用。良好的配送路徑一方面能提高企業(yè)的客戶服務滿意度，另一方面也減少了企業(yè)的物流成本。如何合理、有效的優(yōu)化配送路線，具有重大的理論價值和應用價值，又由于在組合優(yōu)化這個領域內，車輛路徑優(yōu)化問題屬于求解有一定的難度，由于其難度特點，使用精確優(yōu)化方法有一定的局限性，獲得滿意的結果不容易，雖然在優(yōu)化實際問題的解決過程中已經(jīng)應用了很多種啟發(fā)式算法，但普遍來說傳統(tǒng)算法全局搜索能力不夠

2、強，容易導致過早收斂。
　　遺傳算法是一種模擬生物進化的高度并行的全局優(yōu)化搜索算法，它具有隨機性以及自適應性，但遺傳算法的方法與理論還沒有成熟，算法本身的缺陷也有待慢慢改進。而生物免疫系統(tǒng)本身具有抗原識別、免疫記憶、抗體濃度的調節(jié)以及多樣性的保持等特性，在某種程度上可以彌補遺傳算法的不足。將生物免疫原理與遺傳算法相結合的優(yōu)化算法，可某種程度上解決遺傳算法本身的搜索速度不足以及過早收斂的缺點，基于此，本文將遺傳算法與免疫思想結合，提

3、出了免疫遺傳算法的概念，用來解決車輛路徑優(yōu)化問題，該算法在評估與選擇后代優(yōu)秀抗體群時依據(jù)抗體與抗原間的親和度，同時兼顧考慮了抗體與抗體間的親和度，并且將免疫概念中的抗體間促進與抑制作用的原理加入其中，保證了個體的多樣性。同時，通過免疫記憶算子建立記憶庫來保留群體中的優(yōu)秀抗體，從而避免了算法搜索的收斂速度過快，提升算法的收斂效率。
　　針對基本免疫遺傳算法在解決 VRP問題時存在的缺陷，在計算抗體間親和力時用信息熵方法計算過程過于復

4、雜繁瑣，計算量大從而易導致算法的收斂速度減慢的情況，本文從兩個角度提出了兩種改進思路：分別是基于矢量距的親和力計算方法以及基于相鄰編碼數(shù)組合比較的親和力計算方法，該兩種方法都有計算簡便，通俗易懂，而且能夠有效地保證種群內抗體的多樣性的特征。最后將兩種改進的免疫遺傳算法應用到車輛路徑優(yōu)化的數(shù)學模型中，并在MATLAB環(huán)境中使用改進算法來求解仿真路徑優(yōu)化問題。經(jīng)過仿真測試,通過與基本免疫遺傳算法比較，結果表明改進免疫遺傳算法能有效地擴大搜索