基于FA-IACS算法的车辆路径问题优化

发布时间：2021-05-05 17:26

　　针对传统蚁群系统算法在解决有容量约束的普适性车辆路径优化中易陷入局部最优和收敛速度慢等问题,提出了一种改进的蚁群系统算法.采用改进的距离启发函数因子调整蚂蚁状态转移概率,利用改进编码方式的萤火虫算法作为搜索机制,改善蚁群系统的全局搜索能力,应用信息素震荡程序探索新路径的信息素,避免陷入局部最优.结果表明,该算法提高了全局搜索能力,能够节约寻找最优路径的时间,加快收敛速度,具有更好的鲁棒性. 

【文章来源】：沈阳工业大学学报. 2020,42(04)北大核心

【文章页数】：6 页

【文章目录】：
1 问题描述及数学模型的建立
2 FA-IACS算法设计
    2.1 算法步骤
    2.2 算法过程
3 仿真及结果分析
    3.1 参数选取
    3.2 小规模标准算例1
    3.3 大规模标准算例2
4 结论


【参考文献】：
期刊论文
[1]基于改进型遗传蚁群算法的TDOA多点定位研究[J]. 唐菁敏,周旋,张伟,王朝阳,王红彬.  通信技术. 2018(07)
[2]参数α、β和ρ自适应调整的快速蚁群算法[J]. 尤海龙,鲁照权.  制造业自动化. 2018(06)
[3]基于改进蚁群算法的机器人路径规划[J]. 张晓玲,王正存,吴作君.  中国石油大学胜利学院学报. 2018(02)
[4]基于改进蚁群算法的自动导引运输车全局路径规划方法研究[J]. 梁建刚,刘晓平,王刚,韩松.  机电工程. 2018(04)
[5]基于改进蚁群算法的泊车系统路径规划[J]. 王辉,王景良,朱龙彪,邵小江,王恒.  控制工程. 2018(02)
[6]基于改进蚁群算法的配送路径优化问题研究——以南京苏宁易购为例[J]. 孙沁,欧邦才,丁晓银,朱柏青.  物流工程与管理. 2018(02)
[7]基于改进蚁群算法的TSP问题研究[J]. 许能闯.  软件导刊. 2018(02)
[8]基于改进蚁群算法的物流配送车辆路径优化[J]. 胡立栓,王育平,亓呈明.  智能建筑. 2017(06)
[9]求解车辆路径问题的人工蜂群算法[J]. 王志刚,夏慧明.  计算机工程与科学. 2014(06)
[10]用混合遗传算法求解物流配送路径优化问题的研究[J]. 郎茂祥,胡思继.  中国管理科学. 2002(05)



本文编号：3170289