多式联运路径问题的一种混合算法

发布时间：2021-08-25 09:43

　　【目的】针对多式联运过程中运输路径和运输方式的优选问题,以运输成本最少为目标,建立了含运到时限约束和路径容量约束的组合优化模型.【方法】针对模型设计了双信息素蚁群-遗传混合算法进行求解,并引入最大最小蚂蚁策略、自适应灾变算子等操作,适时规避局部最优解,以提高算法优化能力.【结果】将混合算法求得的结果与单遗传算法、蚁群算法进行比较,混合算法较另两者的收敛稳定性平均提升15.534%和12.537%,且求得的20次最小费用平均值分别降低了3.18%和1.38%.【结论】采用上述方法探讨运到时限、容量约束以及货物运量对路径选择的影响,从而为多式联运经营人决策提供了参考. 

【文章来源】：甘肃农业大学学报. 2020,55(05)北大核心CSCD

【文章页数】：10 页

【部分图文】：

混合算法流程

染色体结构

将GA生成的较好解集的运输路径信息、运输方式信息分别存入τg和τc,即为初始信息素值,使得蚂蚁在初始阶段即有良好的方案可供选择.蚂蚁个体按照遗传算法染色体解码的方式移动,从起点移动到终点.对τg而言,p ij a (t)为第a只蚂蚁在t时刻从节点i转移到节点j的概率,对τc而言,p ij a (t)则可认为是蚂蚁在t时刻从节点i转移到节点j时采用某种运输方式的概率,p ij a (t)计算方法如式(12)所示[17].p ij a (t)= { [ τ ij (t) ] α [ η ij (t) ] β ∑ r∈allowed a [ τ ij (t) ] α [ η ij (t) ] β j∈allowed k 0其他 ?????? ??? (12)

【参考文献】：
期刊论文
[1]基于改进鸡群算法的微电网运行优化[J]. 孙嫣娇,代永强.  甘肃农业大学学报. 2019(03)
[2]基于混合算法的多目标多式联运路径选择问题研究[J]. 万杰,魏爽.  天津大学学报(自然科学与工程技术版). 2019(03)
[3]基于改进蚁群算法的城市内涝救援路径优化[J]. 姜金贵,张鹏飞.  计算机应用. 2014(07)
[4]基于混合算法的联合运输路径优化[J]. 王义晶,贾俊芳.  交通信息与安全. 2014(01)
[5]多式联运运输问题的混合遗传算法[J]. 俞武扬.  计算机工程与应用. 2009(33)
[6]综合运输网络中合理路径优化模型[J]. 孙华灿,李旭宏,陈大伟,于世军.  东南大学学报(自然科学版). 2008(05)

博士论文
[1]随机环境下集装箱海铁联运系统建模与优化研究[D]. 赵祎.北京交通大学 2019
[2]不确定条件下若干网络优化问题的模型与算法研究[D]. 何方国.华中科技大学 2009
[3]物流配送中车辆选径问题研究[D]. 王德东.天津大学 2007

硕士论文
[1]集装箱多式联运路径及运输方式选择研究[D]. 韩增霞.大连海事大学 2011



本文编号：3361881