易腐生鲜货品车辆路径问题的改进混合蝙蝠算法
本文选题:非同类易腐货品 + 车辆路径问题 ; 参考:《计算机应用》2017年12期
【摘要】:针对配送易腐生鲜货品的车辆其配送路径的选择不仅受货品类型、制冷环境变化、车辆容量限制、交货时间等多种因素的影响,而且需要达到一定的目标(如:费用最少、客户满意度最高),构建了易腐生鲜货品车辆路径问题(VRP)的多目标模型,并提出了求解该模型的改进混合蝙蝠算法。首先,采用时间窗模糊化处理方法定义客户满意度函数,细分易腐生鲜货品类型并定义制冷成本,建立了最优路径选择的多目标模型;然后,在分析蝙蝠算法求解离散问题易陷入局部最优、过早收敛等问题的基础上,精简经典蝙蝠算法的速度更新公式,并对混合蝙蝠算法的单多点变异设定选择机制,提高算法性能;最后,对改进混合蝙蝠算法进行性能测试。实验结果表明,与基本蝙蝠算法和已有混合蝙蝠算法相比,所提算法在求解VRP时能够提高客户满意度1.6%~4.2%,且减小平均总成本0.68%~2.91%。该算法具有计算效率高、计算性能好和较高的稳定性等优势。
[Abstract]:The choice of distribution path for the vehicle that distributes perishable fresh goods is not only affected by many factors, such as the type of goods, the change of refrigeration environment, the limitation of vehicle capacity, the delivery time and so on, but also the need to achieve certain goals (such as minimum cost, etc.) Customer satisfaction is the highest. A multi-objective model for the vehicle routing problem of perishable raw and fresh goods is constructed, and an improved hybrid bat algorithm is proposed to solve the model. Firstly, a multi-objective model of optimal path selection is established by defining customer satisfaction function, subdividing the types of perishable fresh goods and defining the refrigeration cost by using the time window fuzzy processing method. On the basis of analyzing the problem that bat algorithm is easy to fall into local optimum and converge prematurely to solve discrete problem, the speed updating formula of classical bat algorithm is simplified, and the selection mechanism of single multipoint mutation of hybrid bat algorithm is set up to improve the performance of the algorithm. Finally, the performance of the improved hybrid bat algorithm is tested. The experimental results show that compared with the basic bat algorithm and the existing hybrid bat algorithm, the proposed algorithm can improve the customer satisfaction of 1.6 and 4.2, and reduce the average total cost of 0.68 and 2.91. The algorithm has the advantages of high computational efficiency, good computational performance and high stability.
【作者单位】: 上海理工大学管理学院;
【基金】:国家自然科学基金资助项目(71401106) 上海市教委科研创新项目(14YZ090) 教育部人文社会科学研究项目(16YJA630037)~~
【分类号】:F252;TP18
【相似文献】
相关期刊论文 前10条
1 吴斌;邵建峰;方叶祥;;基于客户满意度的开放式车辆路径问题研究[J];计算机工程;2009年17期
2 陈宝文;宋申民;陈兴林;;模糊需求车辆路径问题及其启发式蚁群算法[J];计算机应用;2006年11期
3 李三彬;柴玉梅;王黎明;;需求可拆分的开放式车辆路径问题研究[J];计算机工程;2011年06期
4 唐瑞雪;秦永彬;;一种基于模糊需求车辆路径问题的改进蚁群算法[J];计算机光盘软件与应用;2013年23期
5 李锋;魏莹;;易腐货物配送中时变车辆路径问题的优化算法[J];系统工程学报;2010年04期
6 马汉武;徐森;朱维;;考虑装卸频率的大规模车辆路径问题研究[J];计算机应用研究;2011年08期
7 李娅;李丹;王东;杨文茵;;改进的混沌粒子群算法求解车辆路径问题[J];计算机应用研究;2011年11期
8 刘长石;赖明勇;;基于模糊聚类与车辆协作策略的随机车辆路径问题[J];管理工程学报;2010年02期
9 戎丽霞;;模糊需求条件下车辆路径问题的模糊模拟[J];计算机工程与应用;2010年18期
10 陈可嘉;于先康;;有能力约束回收车辆路径问题的食物链算法[J];计算机工程与应用;2013年20期
相关会议论文 前6条
1 李大卫;王梦光;;广义车辆路径问题——模型及算法[A];1997中国控制与决策学术年会论文集[C];1997年
2 戎丽霞;;模糊需求条件下的多车场车辆路径问题[A];第三届中国智能计算大会论文集[C];2009年
3 刘金亮;;求解模糊需求条件下车辆路径问题的混合蚂蚁算法[A];第三届中国智能计算大会论文集[C];2009年
4 崔雪丽;;模糊约定车辆路径问题及其蚂蚁算法求解[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
5 张开飞;黄道;;基于改进蚁群算法的车辆路径问题研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
6 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
相关博士学位论文 前8条
1 陈萍;启发式算法及其在车辆路径问题中的应用[D];北京交通大学;2009年
2 薛菲;基于蝙蝠算法的启发式智能优化研究与应用[D];北京工业大学;2016年
3 张卫忠;大规模稀疏学习研究:优化算法及其应用[D];浙江大学;2017年
4 葛斌;求解车辆路径问题的蚁群优化算法研究及应用[D];合肥工业大学;2016年
5 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
6 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年
7 王超;配送企业车辆路径问题模型与算法研究[D];北京交通大学;2015年
8 张磊;约束优化算法的关键技术研究及应用[D];哈尔滨工程大学;2016年
相关硕士学位论文 前10条
1 胡俊桥;蚁群混合算法求解带时间窗车辆路径问题[D];西安科技大学;2017年
2 曹高立;基于求解车辆路径问题的混合智能优化算法研究[D];昆明理工大学;2015年
3 杜涛涛;仿生智能算法在逆向物流选址与车辆路径问题中的应用研究[D];上海工程技术大学;2015年
4 谷浩;带时间窗的车辆路径问题的研究与应用[D];哈尔滨工业大学;2014年
5 王晓明;基于客户细分的配送车辆路径问题研究[D];西安电子科技大学;2014年
6 王浩光;改进伊藤算法及其在车辆路径问题中的研究与应用[D];浙江工业大学;2015年
7 郝文菊;基于文化基因算法的动态车辆路径问题研究[D];河南大学;2015年
8 潘挺雷;基于改进蚁群算法的区域车辆配送路径优化方法研究[D];浙江理工大学;2016年
9 韩越;基于改进混合蚁群算法的带时间窗车辆路径问题优化研究[D];安徽理工大学;2016年
10 孙蕊;多车场多配送中心满载车辆路径问题研究[D];沈阳师范大学;2016年
,本文编号:1825826
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1825826.html