带时间窗VRP问题的多智能体进化算法

发布时间：2018-06-05 05:18

本文选题：交通规划 + 物流配送　；参考：《交通运输工程学报》2014年03期

【摘要】：基于实用性和合理性的角度,研究了单个配送中心带时间窗的车辆路径问题。以行驶时间最短和客户等待时间最小为目标函数,以服务时间窗与车辆载质量为约束条件,建立了双目标优化模型,采用基于整数编码的多智能体进化算法求解模型,并将计算结果与利用遗传算法求得的结果进行对比。计算结果表明:当客户需求点的数量为13,需求点的服务时间为5min,车辆最大载质量为3t,初始智能体个数为49,最大进化代数为200次时,经过30次计算后,采用遗传算法的最差值为121.8min,最优值为110.3min,采用提出多智能体进化算法的最差值为113.6min,最优目标值为103.6min。可见,采用多智能体进化算法能够获得更高质量的最优解,而且经过多次反复试验,最终解的变化不大。
[Abstract]:Based on practicability and rationality, the vehicle routing problem with time window in a single distribution center is studied. Taking the shortest travel time and the minimum customer waiting time as the objective function, taking the service time window and the vehicle load quality as the constraint conditions, the two-objective optimization model is established, and the multi-agent evolutionary algorithm based on integer coding is used to solve the model. The results are compared with those obtained by genetic algorithm. The results show that: when the number of customer demand points is 13, the service time of demand points is 5 minutes, the maximum vehicle load mass is 3 t, the number of initial agents is 49, and the maximum evolutionary algebra is 200 times, after 30 times calculation, The worst value of genetic algorithm is 121.8 min, the optimal value is 110.3 min, the worst value of multi-agent evolutionary algorithm is 113.6 min, and the optimal target value is 103.6 min. It can be seen that the multi-agent evolutionary algorithm can obtain a higher quality optimal solution, and after many repeated experiments, the final solution has little change.
【作者单位】：北京交通大学交通运输学院;
【基金】：国家973计划项目(2012CB725403) 国家自然科学基金项目(61374202)
【分类号】：U491.12

【参考文献】

相关期刊论文前10条

1 周屹;李海龙;王锐;;遗传算法求解物流配送中带时间窗的VRP问题[J];吉林大学学报(理学版);2008年02期

2 吴勇;叶春明;马慧民;夏梦雨;;基于并行粒子群算法的带时间窗车辆路径问题[J];计算机工程与应用;2007年14期

3 曾聪文;古天龙;;求解装配序列规划的一种多智能体进化算法[J];计算机集成制造系统;2009年09期

4 边霞;米良;;遗传算法理论及其应用研究进展[J];计算机应用研究;2010年07期

5 刘霞;齐欢;;带时间窗的动态车辆路径问题的局部搜索算法[J];交通运输工程学报;2008年05期

6 刘志硕,申金升,柴跃廷;基于自适应蚁群算法的车辆路径问题研究[J];控制与决策;2005年05期

7 潘立军;符卓;;求解带硬时间窗车辆路径问题的时差插入启发式算法[J];计算机应用;2012年11期

8 马宇红;姚婷婷;张浩庆;;基于分区的多配送中心多车型车辆调度问题与遗传算法设计[J];科技导报;2013年02期

9 袁志;;解排列优化的整数编码多智能体进化算法[J];软件;2011年05期

10 龚延成,郭晓汾,尤晓铃,赵勇;基于遗传算法的物流配送车辆调度问题研究[J];数学的实践与认识;2004年06期

【共引文献】

相关期刊论文前10条

1 王红玲;郑纲;何剑锋;;基于改进粒子群算法的生鲜农产品配送路径优化研究[J];安徽农业科学;2010年31期

2 张元标;吕广庆;;基于混合粒子群算法的物流配送路径优化问题研究[J];包装工程;2007年05期

3 黄颖为;李燕培;孙德强;;改进遗传算法在包装件物流调度中应用的研究[J];包装工程;2008年01期

4 薛永强;曹西京;缪祖勋;彭国勋;;木包装销售配送物流优化研究[J];包装工程;2008年11期

5 崔宏志;龚加安;;带时间窗车辆路径问题的改进节约算法[J];纯粹数学与应用数学;2011年05期

6 黄晓滨;邹书蓉;张洪伟;;免疫遗传算法及其在VRP中的应用[J];成都信息工程学院学报;2008年06期

7 杨瑞臣;郝海燕;;改进的蚁群算法在物流配送路径问题求解中的应用[J];承德石油高等专科学校学报;2009年02期

8 张小川;魏建新;郭鲁;吴杰;;基于遗传算法的足球机器人模糊PID优化控制策略[J];重庆理工大学学报(自然科学);2012年04期

9 彭国勇;吴升;;时间窗约束车辆路径问题求解的遗传模拟退火算法[J];测绘科学;2007年06期

10 王勇;池洁;;基于遗传算法的中转站边界配送区域选择方法[J];重庆交通大学学报(自然科学版);2009年06期

相关期刊论文前10条

1 田苗苗;许建潮;汪津;丁桂英;;基于遗传算法的Web信息自动标引研究[J];吉林大学学报(信息科学版);2006年05期

2 唐坤;车辆路径问题中的遗传算法设计[J];东华大学学报(自然科学版);2002年01期

3 叶在福,单渊达;基于多种群遗传算法的输电系统扩展规划[J];电力系统自动化;2000年05期

4 赵改善;求解非线性最优化问题的遗传算法[J];地球物理学进展;1992年01期

5 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期

6 周兰凤;洪炳熔;;用基于知识的遗传算法实现移动机器人路径规划[J];电子学报;2006年05期

7 任子武;伞冶;;实数遗传算法的改进及性能研究[J];电子学报;2007年02期

8 李军;有时间窗的车辆路线安排问题的启发式算法[J];系统工程;1996年05期

9 潘晓英;焦李成;;项目优化调度的多智能体社会进化算法[J];计算机研究与发展;2008年06期

10 刘松兵;李智勇;王永;孙星明;;一种新的进化粒子群算法及其在TSP中的应用[J];计算机工程与应用;2008年28期

【相似文献】

相关期刊论文前10条

1 徐丽群;基于多智能体技术的出行诱导管理系统研究[J];东南大学学报(自然科学版);2004年06期

2 田翠华;金海月;茹俊丽;;基于网格的交通信息的获取与处理[J];仪器仪表学报;2006年S2期

3 管啸天;张明路;高春艳;许波;;基于多智能体的公路施工机群分层—分布式体系结构研究[J];河北工业大学学报;2008年03期

4 郑诗标;基于多智能体的智能交通控制结构模型[J];公路交通技术;2005年03期

5 陶志祥,黄卫;城市交通控制的新发展[J];交通运输系统工程与信息;2002年03期

6 孙少鹏,赵德鹏,李源惠;基于多智能体与元胞自动机的微观交通模拟方法[J];大连海事大学学报;2004年04期

7 张飞舟;曹学军;孙敏;;基于多智能体的城市交通集成控制系统设计[J];北京大学学报(自然科学版);2008年02期

8 袁伟;朱兆芳;范广利;;城市立交枢纽的微观仿真研究[J];城市道桥与防洪;2007年08期

9 夏冰,胡坚明,张佐,姚丹亚;基于多智能体的城市交通诱导系统可视化模拟[J];系统工程;2002年05期

10 左大杰;徐学才;;基于多Agent的高速公路AIMS架构[J];交通运输工程与信息学报;2007年03期