[发明专利]基于领导者海豚群求解不确定条件车辆路径优化算法

说明书

本发明公布一种基于领导者海豚群求解不确定条件车辆路径优化算法。本发明对原有的海豚群算法DPA进行改进，通过引入蝙蝠算法的“回声定位”思想，在最优值迭代过程中加入脉冲响度和发射速率的更新方程，建立领导者海豚群算法。具体步骤有：（1）初始化种群；（2）优化分工；（3）信息共享；（4）包围食物；（5）分配食物恢复状态。运用机会模糊模型把道路拥挤、交通限制、道路质量、突发事件、天气状况等不确定条件转化为评价最优路径的约束条件，进而建立不确定条件路径规划模型。此算法与其余算法相比收敛精度、收敛速度下、鲁棒性优势明显。

技术领域

本发明属于物流运输领域，具体为一种基于领导者海豚群求解不确定条件车辆路径优化算法。

背景技术

车辆路线问题(VRP)最早是由Dantzing和Ramster于1959年首次提出，它是指一个或多个配送中心，对具有不同需求的多个客户进行货物的配送，在满足诸如最大车辆数、最大单程行驶距离、最大载重量等约束条件下，达到一系列的目标，如最短行驶距离、最小耗费等目标。在物流的配送过程中，常常要受到天气变化多端、交通拥堵、配送网点分散不均匀等诸多因素的影响，同时还要满足客户的时间窗要求，超过客户所要求的时间，需要对配送公司进行相应的惩罚。如何安排最佳的配送方案，成为物流配送中的重点和难点。通过合理地制定车辆配送路线，可以有效地节约企业的运营成本、提高企业的服务质量，同时，还能增强企业的综合竞争力。

车辆路径问题自提出以来，引起了运筹学、物流、管理等诸多学科的极大关注。当配送的点数和车辆数过多时，需要处理数据的规模增大，问题复杂度变大，往往难以得到精确的配送结果，如何利用一种方法在更少的时间内得到更精确的解，已成为研究热点。虽然对于车辆路径的问题研究非常全面，但是对于规模较大，车辆数较多等情况下，现有的算法还是无法快速准确的求出配送的最优路径， GA算法、AA算法、PSO算法在VPR寻优问题上显示了较好的全局搜索能力，但是收敛速度慢，容易陷入局部最优解，算法对初始解的依赖性很大；模拟退火算法(SA)、禁忌搜索算法(TS)等局部寻优搜索能力较强，容易陷入算法早熟，即使多种算法的混合也无法完美的得到最有的解，故对处在世界十大难题的 VRP问题研究时源源不断的，研究一种算法使得计算的时间和精度等性能都有所改进是车辆路径研究者的期望，2016年浙江大学伍天琪教授在外文知名期刊上发表的海豚群算法拉开了对海豚群算法研究的序幕，通过对海豚群生活习性的研究，对海豚群的快速准确的扑食进行仿真得到一种全新的智能算法。

海豚的捕食能力不仅惊人，而且技术含量也很高。它们的智慧使它们成为除人类外所有哺乳动物的领袖。它们通过回声定位来交流和捕食，这与蝙蝠捕食的方式相似。根据调查记录，海豚利用超声波进行回声定位的频率超过200-350 千赫。人类的听力范围在16-20千赫之间，因此，人类无法听到海豚发出的用于回声定位的超声波。海豚可以利用回声定位来确定目标的距离、位置、形状。回声定位是一个复杂而高度进化的过程，在这个过程中，海豚通过对自己发出的超声波的分析来建立自己的周围声音图像。通过分析回声，海豚可以估计到附近障碍物的距离，并找到鱼类和其他食物供它们捕食。通过回声，海豚可以辨别出鱼的大小、形状和运动方向，这使得捕食非常准确。

目前无论是国外亦或是国外对海群群算法并没有完全适用于各个领域，2016 年浙江大学伍天琪教授公开发表Dolphin swarm algorithm提出海豚群算法并利用测试函数测试其精度与实用性。2018年李卫忠教授在控制与决策上发表混沌海豚群优化灰色神经网络的空中目标威胁评估利用海豚群算法改进神经网路并将算法用于空中评估。2019年东北电力大学王梦娇教授在基础海豚群的基础上提出跳跃海豚群算法对算法进行改进。2019年河北工程大学李彦苍教授针对海豚群算法的缺陷，提出一种基于信息熵的改进海豚群算法，并将其应用于桁架结构的优化中。

发明内容

目前国内外对海豚群算法的实用性研究稍微缺乏，本发明的目的是：在基础海豚群的基础上，将领导者思想混合其中，并用来解决多目标的车辆路径问题。