【技术实现步骤摘要】
基于领导者的GA-PSO的软时间窗车辆路径优化方法
本专利技术属于物流运输领域，具体涉及一种基于领导者的GA-PSO的软时间窗车辆路径优化方法。
技术介绍
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...
【技术保护点】
1.一种基于领导者的GA-PSO的软时间窗车辆路径优化算法，其特征在于包括以下步骤：/nS1：初始化种群参数，种群规模为N，GA种群规模为N1，PSO种群规模为N2，N＝N1+N2，迭代进化次数为Maxgen，GA种群交叉概率为Pc，变异概率为Pm，PSO种群中两个学习因子为c
【技术特征摘要】
1.一种基于领导者的GA-PSO的软时间窗车辆路径优化算法，其特征在于包括以下步骤：
S1：初始化种群参数，种群规模为N，GA种群规模为N1，PSO种群规模为N2，N＝N1+N2，迭代进化次数为Maxgen，GA种群交叉概率为Pc，变异概率为Pm，PSO种群中两个学习因子为c1，c2，惯性权重w，最大速度Vmax，最小速度Vmin；
S2：GA种群和PSO种群各自初始化；
S3：迭代次数K＝1；
S4：按照适应度函数，计算适应度值；
S5：根据适应度值选择出两种算法迭代出的最优个体作为下一次迭代领导者Leader；
S6：判断K≤Maxgen是否成立，若成立执行S7，反之执行S14；
S7：用Leader来指引GA种群的迭代，将GA种群适应度值较高的B1个个体与Leader进行交叉操作，再将GA种群剩下适应度值较差的N1-B1个优良个体之间进行交叉操作；
S8：GA种群所有个体进行变异操作，并且按照适应度值排序，适应度值越低，变异概率越高；
S9：将GA种群中前后两代按照适应度值排序筛选出前N1个个体作为下一代GA种群；
S10：替换PSO种群最优解为Leader，将适应度值较高的前B2个粒子朝Leader飞行；
S11：将PSO种群剩下适应度值较差的N2-B2个粒子进行遗产算法中的变异操作；
S12：将PSO种群中前后两代按照适应度值排序筛选出前N2个粒子作为下一代PSO种群；
S13：K＝K+1，转到S4；
S14：输出最优解，即Leader，以及最优适应度函数值，即Leader对应的适应度值。
2.根据权利要求1所述的基于领导者的GA-PSO的软时间窗车辆路径优化算法，其特征在于，在S1中，进行编码，本发明算法的编码策略采用二进制编码。
3.根据权利要求1-2所述的基于领导者的GA-PSO的软时间窗车辆路径优化算法，其特征在于，在S4中，适应度函数根据带时间窗的车辆路径问题的模型构造，具体数学模型如下：
带时间窗的车辆路径问题描述为：有一个配送中心，配有M辆车，每辆车的最大载货量为q0，单程行驶最大距离为L，平均行驶速度为v；有N个客户，记为1,2,LN，客户i(i＝1,2LN)需求货物量为gi；客户i到客户j的距离为dij，车辆k(k＝1,2,L,M)如果服务完客户i，接着服务客户j，则xijk...
【专利技术属性】
技术研发人员：姜英姿，朱荣庆，史平，梁峙，
申请(专利权)人：徐州工程学院，
类型：发明
国别省市：江苏;32
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。