The present invention discloses a hybrid ant colony algorithm and its implementation system for the VRP problem. The algorithm includes steps: step S1, all ants in the ant colony construct the solution of the VRP problem independently and optimize the solution by local search operation; step S2, if the iterative optimal solution is kept in the continuous multiple iterations, then the iterative optimal solution is maintained. The pheromone perturbation strategy is used to adjust the pheromone matrix. The iterative optimal solution is the optimal solution in the solution constructed by all ants in a single iteration. Step S3, if the present optimal solution remains unchanged in a number of successive iterations, the optimal solution is started by the simulated annealing algorithm, and the best solution of the ant colony algorithm is taken as its present optimal solution. Initial solution; step S4, update the pheromone matrix according to the mass of ant solution and update the present optimal solution; step S5, repeat step S1 to step S4, until the present optimal solution satisfies the terminating condition, the invention can achieve the purpose of high quality and strong robustness to the VRP problem.
【技术实现步骤摘要】
一种针对VRP问题的混合蚁群算法及其实现系统
本专利技术涉及物流的VRP(VehicleRoutingProblem,车辆路线问题)
,特别是涉及一种针对VRP问题的混合蚁群算法及其实现系统。
技术介绍
随着互联网经济和贸易的发展,物流业的规模与日俱增,物流配送对经济活动的影响越来越显著。VRP(VehicleRoutingProblem,车辆路线问题)问题是配送优化的关键问题。对配送车辆路线进行优化能够有效降低配送成本,减少配送时间,提升用户满意度,因此研究该问题具有重要的现实意义。VRP问题是一类NP(Non-deterministicPolynomial,多项式复杂程度的非确定性问题)完全问题,传统的精确算法难以在合理时间内进行求解,因此,用启发式算法求解近似解是人们研究该问题的一个重要方向。蚁群算法是模拟自然界中蚁群觅食行为而提出的一种启发式算法,该算法在求解VRP问题等组合优化问题性能较优,同时具有并行性,易于和其他算法结合等优点,但蚁群算法却存在容易陷入局部最优等缺陷。目前针对蚁群算法的优化方法大部分集中在信息素更新过程,这些优化方法一般仍采用单一蚁群算法,优化空间十分有限。
技术实现思路
为克服上述现有技术存在的不足,本专利技术之目的在于提供一种针对VRP问题的混合蚁群算法及其实现系统以蚁群算法和模拟退火算法两者的优点,达到对VRP问题求解质量高、鲁棒性强的目的。为达上述及其它目的,本专利技术提出一种针对VRP问题的混合蚁群算法,包括如下步骤:步骤S1,蚁群中的所有蚂蚁独立地构建VRP问题的解,并利用局部搜索操作优化该些解;步骤S2,若迭代 ...
【技术保护点】
1.一种针对VRP问题的混合蚁群算法,包括如下步骤:步骤S1,蚁群中的所有蚂蚁独立地构建VRP问题的解,并利用局部搜索操作优化该些解;步骤S2,若迭代最优解在连续多个迭代中保持不变,则执行信息素扰动策略,对信息素矩阵进行调整,所述迭代最优解为单次迭代中所有蚂蚁构建的解当中的最优解;步骤S3,若至今最优解在连续多个迭代中保持不变,则启动模拟退火算法搜索更优解,将蚁群算法的至今最优解作为其初始解;步骤S4,根据蚂蚁解的质量更新信息素矩阵并更新至今最优解;步骤S5,重复步骤S1至步骤S4,直至获得的至今最优解满足终止条件。
【技术特征摘要】
1.一种针对VRP问题的混合蚁群算法,包括如下步骤:步骤S1,蚁群中的所有蚂蚁独立地构建VRP问题的解,并利用局部搜索操作优化该些解;步骤S2,若迭代最优解在连续多个迭代中保持不变,则执行信息素扰动策略,对信息素矩阵进行调整,所述迭代最优解为单次迭代中所有蚂蚁构建的解当中的最优解;步骤S3,若至今最优解在连续多个迭代中保持不变,则启动模拟退火算法搜索更优解,将蚁群算法的至今最优解作为其初始解;步骤S4,根据蚂蚁解的质量更新信息素矩阵并更新至今最优解;步骤S5,重复步骤S1至步骤S4,直至获得的至今最优解满足终止条件。2.如权利要求1所述的一种针对VRP问题的混合蚁群算法,其特征在于:所有蚂蚁独立地构建VRP问题的解,每只蚂蚁利用信息素和启发式信息,以概率选择方式寻路。3.如权利要求2所述的一种针对VRP问题的混合蚁群算法,其特征在于,蚂蚁k构建解的过程如下:步骤S100,将蚂蚁k放到中心仓库,作为起点;步骤S101,利用信息素和启发式信息,以一定概率迭代地从选择一个作为下一个访问的客户,直到集合为空;步骤S102,蚂蚁k返回中心仓库;步骤S103,重复上述三个步骤,直到所有客户都已经被访问,其中,是位于客户点i的蚂蚁可直接到达的相邻客户点的集合。4.如权利要求2所述的一种针对VRP问题的混合蚁群算法,其特征在于:于步骤一中,当蚁群中的所有蚂蚁都独立地构建VRP问题的解后,采用倒置和交换两种局部搜索操作,首先将蚂蚁构建的解作为倒置操作初始解,然后持续利用倒置操作优化当前解直至没有优化空间,最后再利用交换操作进行优化直至没有优化空间。5...
【专利技术属性】
技术研发人员:付宇卓,孙晓奇,刘婷,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。