基于多代竞争遗传的车辆配送路径多峰寻优研究
来源:用户上传
作者:王力锋 黄斐 黄谦 任宇光 陈文冬
摘 要：为了高效完成车辆配送路径多峰寻优任务，提出基于多代竞争遗传的车辆配送路径多峰寻优方法。设计车辆配送路径多峰寻优的目标函数与约束条件，构建开放式车辆路径优化模型，求解车辆路径优化的路径多峰寻优目标函数，引用多代竞争遗传方法，求解车辆配送路径多峰寻优模型，完成车辆配送路径多峰寻优。仿真实验结果显示：所提方法对模拟区域车辆配送路径实施多峰寻优时，4辆车的配送时间均值为47.43h、迭代次数均值为149次、寻优时间均值为2.40s，寻优时间较短，车辆配送成本较少，实际应用价值显著。
关键词：物流;多代竞争遗传;车辆配送;路径寻优;多峰寻优
中图分类号：U116 文献标识码：A
Abstract： In order to efficiently complete the multi peak optimization task of vehicle distribution path， a multi-modal optimization method of vehicle distribution path based on multi-generation competitive genetic algorithm is proposed. This paper designs the objective function and constraint conditions of multi peak optimization of vehicle distribution path， constructs an open vehicle routing optimization model， solves the multi peak optimization objective function of vehicle routing optimization， and uses the multi generation competitive genetic method to solve the multi peak optimization model of vehicle distribution path， and completes the multi peak optimization of vehicle distribution path. The simulation results show that the average distribution time of four vehicles is 47.43h， the average number of iterations is 149， and the average optimization time is 2.40s. The optimization time is shorter， the vehicle distribution cost is less， and the practical application value is significant.
Key words： logistics; multi generation competitive inheritance; vehicle distribution; path optimization; multimodal optimization
0 引 言
合适的车辆配送路径，将缩短运输距离，减少配送成本，配送时间也将得以缩短，目前很多研究人员对车辆配送路径寻优问题进行了深入研究，例如叶勇等[1]提出基于狼群算法的车辆配送路径寻优方法，该方法可在降低车辆配送成本的条件下，有效获取车辆配送最佳路径，但是该方法在获取车辆配送最佳路径时，寻优次数较多，收敛速度慢;李卓等[2]提出基于混合蚁群算法的车辆路径规划方法，蚁群算法在求解车辆路径寻优中较为常用，可在短时间内获取车辆配送最佳路径，但是在所寻路径中配送时，与同类算法相比，车辆配送成本较多，在车辆路径寻优时的收敛效率也并不显著。夏扬坤等[3]为了降低连锁超市的配送系统总成本，设计了一个自适应禁忌搜索算法，采用“随机禁忌长度”和“禁忌表重新初始化”来对邻域进行充分搜索，结合各超市配送的时效性，建立了相应的双目标数学模型，增强算法的全局寻优能力，但是其约束条件不明确，无法获取全局最优解。贺桂和等[4]为了促进农产品流通，降低农产品电商物流配送成本，将传统约束中客户需求不可拆分的条件进行松弛，结合传统带时间窗的车辆路径问题，研究了一种带软时间窗的需求单元拆分车辆路径问题，提升禁忌搜索算法的全局寻优性能，有助于减少使用的车辆数和降低配送成本，但是其算法应用过程的迭代稳定性较差，无法实现多峰寻优。戚远航等[5]提出一种泰森多边形的离散蝙蝠算法，融入了一种基于多车场多车辆问题的编解码策略，求解多车场车辆路径问题，表现出较强的寻优能力和稳定性，但是其目标函数与约束条件不明确，其不支持多峰寻优任务。
车辆配送路径多峰寻优，可理解为车辆配送路径中多个高峰期的最优路径规划，此问题属于非线性函数多峰寻优问题，本文针对此问题进行深入研究。为此，本文提出基于多代竞争遗传的车辆配送路径多峰寻优方法，本文中的多峰寻优是指在车辆配送的高峰时段下，由固定的物流中心安排可以匹配最佳路线的车辆进行配送，是面向全时间段的车辆配送路径多峰寻优，其关键在于优化遗传算法收敛效率，并在车辆配送路径多峰寻优问题中，应用多峰函数，结合闭区间上连续函数的零点存在定理，求解最优的车辆配送路径即⑷局最优解转换为车辆配送路径种群规模最优化问题，以多峰寻优的目标函数与约束条件为基础，求解车辆配送路径多峰寻优模型，使其具有较为显著的优化效果。
nlc202204191629
转载注明来源:https://www.xzbu.com/8/view-15428784.htm
