双目标冷链物流车辆路径问题及其遗传蚁群求解
发布时间：2021-01-20 23:36
针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。
【文章来源】：科学技术与工程. 2020,20(18)北大核心
【文章页数】：9 页
【部分图文】：
惩罚成本与车辆到达时间关系
S(t i )={ 0, t i <A EΤi t i -A EΤi E Τi -A EΤi ×100%, A EΤi ≤t i <E Τi 100%, E Τi ≤t i ≤L Τi A LΤi -t i A LΤi -L Τi ×100%, L Τi <t i ≤A LΤi 0, t i >A LΤi ?????? ??? (10)总体客户满意度S依据每个客户的需求量占整体的比重分配相应的权重:
在客户满意度为90%的情况下,三种算法不同迭代次数的求解结果如表4所示。表4 客户满意度为90%时三种算法不同迭代次数最优解Table 4 Optimal results of three algorithms and iterations when customer satisfaction is 90% 迭代次数 最优解 GA ACO GA-ACO 100 1 136.49 1 082.08 1 077.44 200 1 127.22 1 076.08 1 066.79 300 1 122.43 1 064.83 1 053.13 400 1 114.48 1 054.13 1 052.80 500 1 107.61 1 053.72 1 052.80 600 1 107.61 1 053.72 1 052.80
本文编号：2990000
【文章来源】：科学技术与工程. 2020,20(18)北大核心
【文章页数】：9 页
【部分图文】：
惩罚成本与车辆到达时间关系
S(t i )={ 0, t i <A EΤi t i -A EΤi E Τi -A EΤi ×100%, A EΤi ≤t i <E Τi 100%, E Τi ≤t i ≤L Τi A LΤi -t i A LΤi -L Τi ×100%, L Τi <t i ≤A LΤi 0, t i >A LΤi ?????? ??? (10)总体客户满意度S依据每个客户的需求量占整体的比重分配相应的权重:
在客户满意度为90%的情况下,三种算法不同迭代次数的求解结果如表4所示。表4 客户满意度为90%时三种算法不同迭代次数最优解Table 4 Optimal results of three algorithms and iterations when customer satisfaction is 90% 迭代次数 最优解 GA ACO GA-ACO 100 1 136.49 1 082.08 1 077.44 200 1 127.22 1 076.08 1 066.79 300 1 122.43 1 064.83 1 053.13 400 1 114.48 1 054.13 1 052.80 500 1 107.61 1 053.72 1 052.80 600 1 107.61 1 053.72 1 052.80
本文编号：2990000
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2990000.html
