[发明专利]一种求解软集群车辆路径问题的混合模因搜索方法

权利要求书

1.一种求解软集群车辆路径问题的混合模因搜索方法，其具体步骤包括：

步骤(1)、通过种群初始化程序生成的包含η个体的初始种群P，记录最优解；

步骤(2)、随机选择种群中的两个父代解，使用基于组最佳匹配的交叉算子产生一个子代解；

步骤(3)、使用两阶段混合搜索方法对子代解进行局部搜索，并更新最优解；

步骤(4)、基于解的质量和多样性进行种群更新；

步骤(5)、如果种群更新停滞，对种群进行重构以提高种群的多样性；

步骤(6)、重复步骤(2)-步骤(5)，直到达到设定的停止条件，得到问题的最优解。

2.根据权利要求1所述的一种求解软集群车辆路径问题的混合模因搜索方法，其特征在于步骤(1)所述的种群初始化程序具体步骤包括：

步骤(1.1)、从集群级和客户级的角度构造η个初始解S＝(g，r)，首先随机分配所有的集群到车辆中生成集群级层面的解g，然后通过转换程序生成相应在客户级层面的解r，最后对r使用LKH进行搜索得到解的目标值，LKH是求解旅行商问题(TSP)的Lin-Kernighan算法启发式的有效实现；

步骤(1.2)、对生成种群的η个初始解计算每两个解之间的距离得到η*η的距离矩阵。

3.根据权利要求1所述的一种求解软集群车辆路径问题的混合模因搜索方法，其特征在于步骤(2)所述的交叉算子具体步骤包括：

步骤(2.1)、对随机选择的两个父代解g^F和g^M的进行组(每辆小车相当于一组)最佳匹配，相匹配的组可分为完全匹配组和部分匹配组；

步骤(2.2)、经过组最佳匹配后，根据匹配结果得到部分子代解g^O，对于完全匹配的组，直接将它们继承到子代解中，对于部分匹配的组，首先删除匹配组中所有非共有的集群，然后继承组中剩余的集群；

步骤(2.3)、一旦获得了部分后代解g^O，就以贪心的方式将这些移除的集群重新插入到g^O中部分匹配的组中，从而导致集群级上总距离的增加最小。

4.根据权利要求1所述的一种求解软集群车辆路径问题的混合模因搜索方法，其特征在于步骤(3)所述的两阶段局部搜索具体步骤包括：

步骤(3.1)、对于步骤(2)生成集群级层面的解g进行邻域顺序随机的变邻域搜索(random order-based variable neighborhood search，RO-VNS)；

步骤(3.2)、通过转换程序生成g相应在客户级层面的解r，然后对r使用LKH进行搜索得到解的目标值；

步骤(3.3)、使用r更新问题的最优解。

5.根据权利要求1所述的一种求解软集群车辆路径问题的混合模因搜索方法，其特征在于步骤(4)所述的种群更新具体步骤包括：

步骤(4.1)、试探性地将新生成的解S放入种群P形成P′；

步骤(4.2)、计算新生成的解S与种群P′中其它解S_j(j＝1，2，3，...，η)的距离；

步骤(4.3)、计算种群P′中的每个解S_i与种群P′的距离D(S_i，P′)；

步骤(4.4)、归一化处理种群P′中的每个解S_i的目标值f(S_i)以及S_i与种群P′的距离D(S_i，P′)得到f′(s_i)和D′(s_i，P′)；

步骤(4.5)、使用下式计算群P′中的每个解S_i的适应度值F(S_i，P′)；

F(S_i，P′)＝λ*f′(s_i)+(1-λ)*D′(s_i，P′)

式中，λ表示权重因子；

步骤(4.6)、由于适应度值越小解的质量越好，故将种群P′中适应度值最大的解S_w移出种群。

6.根据权利要求1所述的一种求解软集群车辆路径问题的混合模因搜索方法，其特征在于步骤(5)所述的种群重构具体步骤包括：

步骤(5.1)、如果种群更新停滞，随机选取种群P中一个未被禁忌的解S进行邻域分解的变邻域搜索，以得到S′；

步骤(5.2)、如果S′与种群P中的任意一个解都不相同，则将S′替换种群P中的解S，同时禁忌S′。