[发明专利]一种车辆路径问题的优化方法及装置

说明书

本发明适用计算机技术领域，提供了一种车辆路径问题的优化方法及装置，该方法包括：生成车辆路径问题优化目标的初始种群，计算该种群中个体的适应度值，通过每个个体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，通过第一种群中部分优秀个体以及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，通过侦察蜂随机生成新个体替代第二种群中连续更新失败次数达到更新阈值的失败个体，当个体评价次数超过最大评价次数时，将第二种群中最优个体作为最优路径输出，否则将第二种群设置为初始种群，重新执行通过雇佣蜂进行的邻域搜索操作，从而加强了人工蜂群中蜜蜂的信息交流，提高了车辆路径问题的优化效率和优化效果。

技术领域

本发明属于计算机技术领域，尤其涉及一种车辆路径问题的优化方法及装置。

背景技术

车辆路径问题是NP-hard组合优化问题，目前用于求解该类问题的算法主要有精确算法、传统启发式算法以及现代启发式算法。其中，精确算法可以找到最优解，但只适用于规模较小的问题，随着问题规模的增大以及计算机能力的限制，精确算法的求解效率降低，传统启发算法(例如扫描法、节约法和两阶段算法等)可以求解较大规模问题，提高问题的求解效率，但容易陷入局部最优，现代启发式算法(例如粒子群算法、模拟退火算法、禁忌搜索算法和遗传算法等)是现在使用最多的，可以求解大规模问题，通过规则提高了搜索效率，解的质量也优于传统启发式算法，但这些算法或多或存在收敛速度慢、容易陷入局部最优以及参数难调整的问题。

人工蜂群算法因为其结果简单易实现、参数少以及性能好的特点，一经提出便受到了各界学者的关注，但现有的人工蜂群算法存在大部分进化算法都存在的缺点——收敛速度慢，通过现有的人工蜂群算法解决车辆路径问题效率较低。

发明内容

本发明的目的在于提供一种车辆路径问题的优化方法及装置，旨在解决由于现有技术无法提供一种车辆路径问题优化的有效方法，导致车辆路径问题优化效率较低的问题。

一方面，本发明提供了一种车辆路径问题的优化方法，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每个个体的适应度值；

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；

在所述第一种群中选取部分优秀个体，同归根据预设的搜索公式以及公式使用概率，通过观察蜂对所述部分优秀个体进行邻域搜索，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。

另一方面，本发明提供了一种车辆路径问题的优化装置，所述装置包括：

初始化模块，用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；

第一种群生成模块，用于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；

第二种群生成模块，用于在所述第一种群中选取部分优秀个体，通过根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；

个体替换模块，用于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；以及