[发明专利]一种车辆路径问题的优化方法及装置

权利要求书

1.一种车辆路径问题的优化方法，其特征在于，所述方法包括下述步骤：

根据车辆路径问题的优化目标，生成所述优化目标的初始种群，计算所述初始种群中个体的适应度值；

确定所述初始种群中个体的邻居范围并搜索每个邻居范围内的最优个体，通过所述每个邻居范围内的最优个体引导雇佣蜂进行邻域搜索，生成第一种群，通过每个邻居范围内的最优个体引导雇佣蜂进行邻域搜索的公式为V_i,j＝X_i,j+rand_0,1·(X_nbest-X_i,j)，其中，V_i,j为初始种群中第i个个体在邻域搜索后得到第一新个体V_i的第j维，X_i,j为初始种群中第i个个体X_i的第j维，X_nbest为第i个个体的邻居范围内的最优个体；

在所述第一种群中选取部分优秀个体，通过所述部分优秀个体和所述第一种群中的最优个体引导观察蜂进行邻域搜索，生成第二种群；

当所述第二种群中存在连续更新失败次数达到预设更新阈值的失败个体时，通过侦察蜂随机生成用来替代所述失败个体的新个体；

当个体评价次数超过预设最大评价次数时，将所述第二种群中的最优个体输出为所述车辆路径问题的最优路径，否则将所述第二种群设置为所述初始种群，重新执行确定所述初始种群中个体的邻居范围的操作；

在所述第一种群中选取部分优秀个体，通过所述部分优秀个体和所述第一种群中的最优个体引导观察蜂进行邻域搜索，生成第二种群的步骤，包括：

根据所述第一种群中个体的适应度值和预设选取比例选取所述部分优秀个体，打乱所述部分优秀个体的顺序，将所述顺序打乱后的部分优秀个体根据预设的公式使用概率划分为第一部分个体和第二部分个体；

通过所述部分优秀个体和所述第一种群中的最优个体，引导所述观察蜂采用预设第一公式V_i,j'＝X_Pbest,j+φ·(X_i,j-X_k,j)和第二公式V_i,j'＝X_best,j+φ·(X_pbest,j-X_i,j)分别对所述第一部分个体、第二部分个体进行邻域搜索，生成所述部分优秀个体对应的第二新个体，其中，X_Pbest为从部分优秀个体中随机选取的一个个体，X_k为从第二种群中随机选取的不同于个体X_i和个体X_Pbest的个体，X_best为第二种群中的最优个体，X_i为部分优秀个体中的第i个个体，V_i'为部分优秀个体中的第i个个体X_i邻域搜索后得到的第二新个体，φ为[-1,1]中的一个随机实数；

根据所述部分优秀个体与对应的第二新个体的适应度值，将所述部分优秀个体与对应的第二新个体中的优秀个体设置为所述第二种群的个体。

2.如权利要求1所述的方法，其特征在于，根据车辆路径问题的优化目标，生成所述优化目标的初始种群，计算所述初始种群中每个个体的适应度值的步骤，包括：

根据所述车辆路径问题的优化目标，建立相应的优化模型，初始化所述优化模型的相关参数；

根据人工蜂群的种群初始化公式生成一组多维的随机值，离散化所有随机值并将所述离散化后的随机值设置为所述初始种群中的个体，根据所述优化模型计算所述初始种群中每个个体的适应度值。