[发明专利]一种基于禁忌搜索的超启发式算法的车辆路径优化方法

说明书

一种基于禁忌搜索的超启发式算法的车辆路径优化方法，包括以下步骤：步骤1车辆路径问题分析；步骤2初始化种群；步骤3初始化算子得分，算子初始得分为S⁰＝[S¹,S²,…,S²⁰]；步骤4产生并选择变异解；步骤5计算算子得分；步骤6保留候选解；步骤7保留最优解；步骤8更新禁忌表；步骤9退出迭代，若GG_max，算法结束，输出最优解，否则转向步骤4；步骤10输出最优个体即最优路径。本发明提供了一种高层策略可移植的基于禁忌搜索的超启发式算法的车辆路径优化方法。

技术领域

本发明涉及一种物流配送、电子商务、智能优化、计算机应用领域，尤其涉及的是一种车辆路径优化方法。

背景技术

现有的车辆路径优化方法，包括精确算法和启发式算法。精确算法是能够通过有限次的计算或者穷举获得最优解的算法。研究较多的有线性规划法、动态规划法、分支定界法等。精确算法能够得到最优解，但是其运算量随着问题规模的扩大呈指数级的增长，不适合求解大规模的问题。启发式算法包括简单启发式算法和智能优化算法。启发式算法无疑是研究的热点，启发式算法的设计往往要求设计者拥有较为完备的本领域的专业知识以及一定的计算机算法设计基础。启发式算法被设计出来以后被用于解决某一类的专业问题，并针对其具体的问题实例进行算法的优化，缺乏通用性。因此，超期发算法被提出来用于解决跨领域的组合优化问题。

发明内容

为了克服已有技术中求解VRP问题的算法缺乏通用性的不足,本发明提供了一种高层策略可移植的基于禁忌搜索的超启发式算法的车辆路径优化方法。

本发明解决其技术问题所采用的技术方案是：

一种基于禁忌搜索的超启发式算法的车辆路径优化方法，所述方法包括以下步骤：

步骤1车辆路径问题分析，采用Augerat’s instances数据集，车辆路径问题的成本矩阵的元素是欧几里得距离；

假定配送中心最多可以用K(k＝1,2,…,K)辆车对L(i＝1,2,…,L)个客户进行运输配送，i＝0表示仓库，每个车辆载重为Q_k(k＝1,2,…,K)，每个客户的需求为 q(i＝1,2,…,L)，客户i到客户j的运输成本为c_ij，优化的目标是行驶距离最短，一个完整的解表示了全部路径的集合；

步骤2初始化种群，第G代，G＝0，生成初始可行解组

计算种群适应度f^G，以及整体最优目标函数值整体最优个体当代最优解目标函数值当代最优个体当代目标函数值的平均值

步骤3初始化算子得分，算子初始得分为S⁰＝[S¹,S²,…,S²⁰]；

不同种类算子的初始得分不同，计算算则的评价分数S_A⁰＝[S_A¹,S_A²,…,S_A²⁰]；

根据评价分数初始禁忌表，算子分为被禁算子与未被禁算子；

利用轮盘赌规则从未被禁算子中产生初始的h^G；

步骤4产生并选择变异解，利用底层算子h^G构造新的路径，G＝G+1，

计算

步骤5计算算子得分。根据与计算调整参数RC；