一种求解软集群车辆路径问题的混合模因搜索方法技术

本发明专利技术公布了一种求解软集群车辆路径问题的混合模因搜索方法。该方法将软集群车辆路径问题分解为两个逻辑上较小的子问题：集群级子问题和客户级子问题，并分别求解。第一个子问题的目标是使用模因算法确定集群所属的路径，而第二个子问题的目标是确定每条路径中所有客户的访问顺序。它集成了三个高效的模块：基于组匹配的交叉算子以生成高质量的子代解，两级混合搜索分别对子代解在集群级和客户级进行优化，以及种群重构程序(通过增加种群中解的多样性来跳出局部最优)。大量的实验结果表明与现有的方法相比，本发明专利技术方法在性能上表现更优，证明了本发明专利技术方法的有效性。证明了本发明专利技术方法的有效性。证明了本发明专利技术方法的有效性。

【技术实现步骤摘要】
Search，HMS)。

技术实现思路

[0009]一种求解软集群车辆路径问题的混合模因搜索方法，对软集群车辆路径问题实现了高鲁棒性、高质量求解，其具体步骤包括：
[0010]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；
[0011]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；
[0012]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；
[0013]步骤(4)、基于解的质量和多样性进行种群更新；
[0014]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；
[0015]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。
[0016]进一步地，步骤(1)所述的种群初始化程序具体步骤包括：
[0017]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启发式的有效实现；
[0018]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。
[0019]进一步地，步骤(2)所述的交叉算子具体步骤包括：
[0020]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；
[0021]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；
[0022]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。
[0023]进一步地，步骤(3)所述的两阶段局部搜索具体步骤包括：
[0024]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)；
[0025]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；
[0026]步骤(3.3)、使用r更新问题的最优解。
[0027]进一步地，步骤(4)所述的种群更新具体步骤包括：
[0028]步骤(4.1)、试探性地将新生成的解S放入种群户形成P
′
；
[0029]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；
[0030]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
′
)；
[0031]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
′
)；
[0032]步骤(4.5)、使用公式(1)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
′
)
ꢀꢀꢀꢀ
(1)
[0033]式中，λ表示权重因子。
[0034]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。
[0035]进一步地，步骤(5)所述的种群重构具体步骤包括：
[0036]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(neighborhood decomposition
‑
based variable neighborhood search，ND
‑
VNS)得到S
′
；
[0037]步骤(5.2)、如果S
′
与种群户中的任意一个解都不相同，则将S
′
替换种群户中的解S，同时禁忌S
′
。
[0038]综上所述，本专利技术一种求解软集群车辆路径问题的混合模因搜索方法集成了三个高效的模块：基于组匹配的交叉算子以生成高质量的子代解，两级混合搜索分别对子代解在集群级和客户级进行优化，以及种群重构程序(通过增加种群中解的多样性来跳出局部最优)，具有求解质量高，鲁棒性强，应用范围广等优点。
附图说明
[0039]图(1)本专利技术一个可行的SoftCluVRP解示意图。
[0040]图(2)本专利技术一种求解软集群车辆路径问题的混合模因搜索方法的流程示意图。
[0041]图(3)本专利技术中交叉算子示意图。
[0042]图(4)本专利技术中HMS(包含种群重构)和HMS
’
(不包含种群重构)的对比示意图。
具体实施方式
[0043]以下通过特定的具体实例并结合附图说明本专利技术的实施方式。
[0044]结合图(2)，本专利技术一种求解软集群车辆路径问题的混合模因搜索方法，包括以下步骤。
[0045]步骤(1)、通过种群初始化程序生成的包含η个体的初始种群户，记录最优解；
[0046]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；
[0047]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；
[0048]步骤(4)、基于解的质量和多样性进行种群更新；
[0049]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；
[0050]步骤(6)、重复步骤(2)
‑
步骤(5)，直到达到设定本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：周扬名，寇亚文，周丽华，
申请(专利权)人：深圳市鲲通技术有限公司，
类型：发明
国别省市：