基于改进遗传算法求解带时间窗车辆路径规划问题

发布时间：2024-04-21 00:28

　　有时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)因为其有重要的现实意义而备受关注。其时间窗即为客户接受服务的时间范围,该问题是运筹学和组合优化领域中的著名NP问题,是解决物流配送效率的关键,传统寻优方法效率低、耗时长,找不到满意解,往往导致物流成本过高。为了提高寻优效率,降低物流运送成本,对基本遗传算法改进求解VRPTW问题。首先建立数学模型,然后基于大规模邻域搜索算法(LNS)生成遗传算法初始解,最后利用混合遗传算法在初始种群中找到最优解。计算结果表明,改进遗传算法可以更好求解车辆路径问题,有效降低物流成本。

【文章页数】：4 页

【部分图文】：

图1-1RC101算例下三种算法成本迭代曲线变化图

RC101算例下，三种算法求解物流总成本对比情况：RC201算例下，三种算法求解物流总成本对比情况：

图1-2RC201算例下三种算法成本迭代曲线变化图

RC201算例下，三种算法求解物流总成本对比情况：通过RC101三种算法成本寻优比较变化趋势图可以看出，LNS1和LNS2相较于混合遗传算法，都容易过早陷入局部最优值。虽然LNS1和LNS2最后几乎收敛到相同的总成本，但是LNS2比LNS1的收敛速度更快。这种变化趋势主要是因为L....

本文编号：3960145