基于多目標(biāo)免疫進(jìn)化算法的動態(tài)車輛路徑優(yōu)化研究.pdf

1、車輛路徑優(yōu)化問題(VRP:Vehicle Routing Problem)是具有多個約束條件的組合優(yōu)化NP難題,是在控制科學(xué)、優(yōu)化學(xué)說以及運(yùn)籌論及其相關(guān)學(xué)科中的研究熱點(diǎn)之一。其較難使用一般的算法達(dá)到滿意解,通常采用智能優(yōu)化方法進(jìn)行研究探討。車輛路徑優(yōu)化問題已經(jīng)拓展到社會日常生活、工作中的公共交通中鐵路、公路和航空等調(diào)度,郵件、貨物等物流的配送以及城市水、電、煤氣等運(yùn)輸調(diào)配等,在現(xiàn)代信息社會中起到了不可估量的作用。通過對多種智能優(yōu)化算法進(jìn)

2、行了分析比較,針對動態(tài)車輛路徑優(yōu)化的特點(diǎn)選取免疫進(jìn)化算法作為有效的解決方法。在對多目標(biāo)優(yōu)化基礎(chǔ)問題的研究上,把免疫系統(tǒng)的克隆選擇學(xué)說與生物進(jìn)化法則應(yīng)用到多目標(biāo)優(yōu)化計算中,即并行了免疫進(jìn)化系統(tǒng)的記憶單元體。應(yīng)用聚類方法對抗體種群進(jìn)行優(yōu)化排序,單抗體采用非均勻變異的位操作促進(jìn)種群抗體個性化;抗體間采用交叉到位操作模仿進(jìn)化操作,通過種群中抗體間親和力維持競爭進(jìn)化,抗體與抗原親和度來促使優(yōu)化,抑制競爭過度,使種群更具廣泛性。
　　本論文主

3、要的工作內(nèi)容和研究成果如下:首先,由國內(nèi)外在多目標(biāo)車輛路徑優(yōu)化的研究情況展開,分析了多目標(biāo)優(yōu)化研究方面各種經(jīng)典、智能算法的發(fā)展趨勢,以及在信息化的社會中運(yùn)用智能的手段解決多目標(biāo)車輛路徑優(yōu)化是非常必要的。其次,針對動態(tài)車輛路徑優(yōu)化的特點(diǎn),提出采用動態(tài)車輛路徑配送策略規(guī)劃即模塊分組優(yōu)化的策略,對工作時間分段處理,劃分為三個子模塊:訂單處理模塊,多目標(biāo)免疫進(jìn)化優(yōu)化算法模塊,信息存儲模塊,使其能更好的記憶、調(diào)整、優(yōu)化動態(tài)車輛路徑問題。文章最后對

4、三類顧客點(diǎn)分布情況下的車輛路徑優(yōu)化進(jìn)行了仿真實(shí)驗(yàn)對比,主要選取了近些年在智能優(yōu)化上取得良好優(yōu)化結(jié)果的蟻群算法、禁忌搜索算法、貪婪算法和遺傳算法在相應(yīng)領(lǐng)域的實(shí)驗(yàn)結(jié)果進(jìn)行對比。通過優(yōu)化性能指標(biāo)“達(dá)優(yōu)率”來對比實(shí)驗(yàn)數(shù)據(jù),結(jié)果表明:免疫進(jìn)化算法在動態(tài)車輛路徑配送策略規(guī)劃中可以有效求解動態(tài)多目標(biāo)車輛路徑優(yōu)化問題,而且所得結(jié)果與其他優(yōu)化算法得到結(jié)果有較明顯改善。本文利用多目標(biāo)免疫進(jìn)化算法在三類顧客點(diǎn)分布情況下所得到了多個非支配解,不僅為決策者提供了