一种基于遗传算法和麻雀算法的车辆路径优化方法技术

本申请公开了一种基于遗传算法和麻雀算法的车辆路径优化方法，所述方法包括：构建道路和运输方式数学模型，初始化遗传算法的道路和运输方式数学模型，以及建立融入麻雀搜索算法的改进遗传算法；其中，建立融入麻雀搜索算法的改进遗传算法包括：将遗传算法得到的目标种群作为初始种群；计算所述初始种群的适应度值，并根据适应度值将初始种群分类为探索者和追随者，并将追随者中的预设比例确定为警惕者；根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置；将探索者位置、追随者位置和警惕者位置更新后的麻雀搜索算法优化结果带入遗传算法进行迭代，直至迭代结束，生成路径优化方法。成路径优化方法。成路径优化方法。

【技术实现步骤摘要】
一种基于遗传算法和麻雀算法的车辆路径优化方法


[0001]本专利技术涉及计算机
，特别涉及一种基于遗传算法和麻雀算法的车辆路径优化方法。

技术介绍

[0002]车辆路径问题（VRP）是指在给定的运输网络上的对物流车辆的路线进行有效规划，以便物流公司在一些特定的约束条件下高效地服务于客户，其中缩减所有车辆的总运输距离、总运输成本或者减少行程时间成本被视为VRP的典型目标。精确算法和启发式算法是解决该类问题的两类主流算法，其中启发式算法有遗传算法、麻雀算法等。
[0003]遗传算法（GA）是一种随机全局搜索优化方法，起源于对生物系统进行的计算机模拟研究，通过模拟遗传过程中的复制、交叉和变异过程，从任意初始种群出发，通过随机选择、交叉和变异操作，产生更适应生存环境的个体，使种群进化到空间中越来越好的区域，经过一代一代不断繁衍进化，最后收敛至一群最适应环境的个体，从而得到问题的最优解。麻雀搜索算法（SSA）是通过模拟麻雀群体的觅食和反捕食行为的一种优化算法。算法初始化后按照适应度值将种群分为了探索者、追随者，其中探索者为整个麻雀种群提供食物的位置和方向，决定了算法的全局搜索能力；追随者则跟随探索者觅食，并在其中选取10%到20%的个体警惕被捕食风险。通过不断迭代更新探索者位置、追随者位置以及侦察预警，得到最优结果。
[0004]采用麻雀搜索算法解决车辆路径问题(VRP)时，由于初始种群通过随机生成缺乏遍历性，算法后期出现全局寻优能力下降，种群趋于统一和陷于局部最优值的问题。而遗传算法在处理优化问题时，虽然避免了陷入局部最优问题，但由于算法参数的选取主要依靠经验，且缺乏对网络信息的及时反馈，算法速度较慢，得到最优解需要较多的训练时间。

技术实现思路

[0005]本申请提供了一种基于遗传算法和麻雀算法的车辆路径优化方法，旨在解决由于初始种群通过随机生成缺乏遍历性，算法后期出现全局寻优能力下降，且种群趋于统一和陷于局部最优值的问题。而遗传算法在处理优化问题时，虽然避免了陷入局部最优问题，但由于算法参数的选取主要依靠经验，且缺乏对网络信息的及时反馈，算法速度较慢，得到最优解需要较多的训练时间的问题。
[0006]本申请提供了一种基于遗传算法和麻雀算法的车辆路径优化方法，所述方法包括：S1.构建道路和运输方式数学模型；S2.初始化遗传算法的道路和运输方式数学模型，其中包括：对染色体进行整数编码，生成编码值，其中，当目标数目为N且调配中心最大车辆数为K时，可将染色体的长度记为N+K
‑
1，染色体表示为（1，2，
…
，N+K
‑
1）；将所述编码值带入所述道路和运输方式数学模型中，生成适应度函数，其中，将所
述适应度函数设定为目标函数f的倒数，即令f(x)=1/f；将原始种群中每个个体带入适应度函数中，计算得到每个个体对应的适应度值；从所述原始种群中根据所述适应度值选取个体进行变异操作，得到变异个体；将所述变异个体与目标个体进行交叉操作，得到实验个体，所述目标个体为目标数目和所述原始种群的乘积；比较所述实验个体与所述目标个体的适应度值，选取最优个体形成目标种群；S3.建立融入麻雀搜索算法的改进遗传算法，其中包括：将遗传算法得到的目标种群作为初始种群；计算所述初始种群的适应度值，并根据适应度值将初始种群分类为探索者和追随者，并将追随者中的预设比例确定为警惕者；根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置；将探索者位置、追随者位置和警惕者位置更新后的麻雀搜索算法优化结果带入遗传算法进行迭代，直至迭代结束，生成车辆路径优化方法。
[0007]在一种实现方式中，所述初始种群表示为：其中，X表示多式联运方案种群集合，d表示多式联运方案种群中各麻雀的维度，n表示节点编号，N表示节点编号集合。
[0008]在一种实现方式中，计算所述初始种群的适应度值采用下列公式：其中，表示多式联运方案种群中各麻雀适应度的集合，d表示多式联运方案种群中各麻雀的维度，n表示节点，N表示节点编号集合。
[0009]在一种实现方式中，根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置中，更新探索者位置的步骤还包括：其中，i，j∈{1,2,3,
…
,d}，t表示当前迭代次数，表示第t+1次迭代中发现者种群各麻雀的位置，表示第t次迭代中发现者种群各麻雀的位置，Q表示一个符合正态分布的随机数，L表示一个1
×
d且每个元素全部为1的矩阵，R2∈[0，1]表示预警值，ST∈[0.5，1]表示安全值。
[0010]在一种实现方式中，根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置中，更新追随者位置的步骤包括：
其中，i，j∈N={1,2,3,
…
,d}，t表示当前迭代次数，表示第t+1次迭代中发现者种群各麻雀的位置，表示第t次迭代中发现者种群中最差麻雀位置，第t次迭代中发现者种群各麻雀的位置，τ表示发现者识别因子，表示第t次迭代中发现者种群各麻雀的位置，表示为当前发现者所占据的最优位置，A+表示一个1
×
d且每个元素全部为1或为
‑
1的矩阵。L表示一个1
×
d的矩阵，其中该矩阵内每个元素全部为1。
[0011]在一种实现方式中，根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置中，更新警惕者位置的步骤包括：其中，i，j∈{1,2,3,
…
,d}，t表示当前迭代次数，表示第t+1次迭代中侦查者种群各麻雀的位置，第t次迭代中发现者种群各麻雀的位置，β表示步长控制参数，表示第t次迭代中侦查者种群中最佳麻雀位置，表示第t次迭代中侦查者种群中最差麻雀位置，和分别表示当前迭代中最佳适应度和最差适应度。
[0012]在一种实现方式中，道路和运输方式数学模型表示：约束条件如下：约束条件如下：约束条件如下：式中：p是所有运输站点的集合；s是运输模式的集合；表示站点i和站点j之间距离；表示站点i和站点j之间使用运输方式k；表示在站点j上将运输方式k调整为运输方式l；表示站点i和站点j之间在运输方式k下的运输时间；表示在站点j上将运输方式k调整为运输方式l需要的时间；t是最长服务时间；表示站台i和站台j之间在运输方式k下的运输成本；表示在站台上j上将运输方式k调整为运输方式l需要的成本；Q是运输量；表示站点i和站点j之间在运输方式k下的运输量。
[0013]在一种实现方式中，从所述原始种群中根据所述适应度值选取个体进行变异操作的步骤为：根据所述适应度值生成遗传概率；式中：为适应度值；根据所述遗传概率选取个体进行变异操作。
[0014]由上述技术方案可知，本申请通过将麻雀搜索算法(SSA)和遗传算法(GA)结合处理车辆路径问题(VCR)，既保证了快速求解，又避免出现局部最优问题。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法和麻雀算法的车辆路径优化方法，其特征在于，所述方法包括：S1.构建道路和运输方式数学模型；S2.初始化遗传算法的道路和运输方式数学模型，其中包括：对染色体进行整数编码，生成编码值，其中，当目标数目为N且调配中心最大车辆数为K时，可将染色体的长度记为N+K
‑
1，染色体表示为（1，2，
…
，N+K
‑
1）；将所述编码值带入所述道路和运输方式数学模型中，生成适应度函数，其中，将所述适应度函数设定为目标函数f的倒数，即令f(x)=1/f；将原始种群中每个个体带入适应度函数中，计算得到每个个体对应的适应度值；从所述原始种群中根据所述适应度值选取个体进行变异操作，得到变异个体；将所述变异个体与目标个体进行交叉操作，得到实验个体，所述目标个体为目标数目和所述原始种群的乘积；比较所述实验个体与所述目标个体的适应度值，选取最优个体形成目标种群；S3.建立融入麻雀搜索算法的改进遗传算法，其中包括：将遗传算法得到的目标种群作为初始种群；计算所述初始种群的适应度值，并根据适应度值将初始种群分类为探索者和追随者，并将追随者中的预设比例确定为警惕者；根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置；将探索者位置、追随者位置和警惕者位置更新后的麻雀搜索算法优化结果带入遗传算法进行迭代，直至迭代结束，生成车辆路径优化方法。2.根据权利要求1所述的一种基于遗传算法和麻雀算法的车辆路径优化方法，其特征在于，所述初始种群表示为：其中，X表示多式联运方案种群集合，d表示多式联运方案种群中各麻雀的维度，n表示节点编号，N表示节点编号集合。3.根据权利要求1所述的一种基于遗传算法和麻雀算法的车辆路径优化方法，其特征在于，计算所述初始种群的适应度值采用下列公式：其中，表示多式联运方案种群中各麻雀适应度的集合，d表示多式联运方案种群中各麻雀的维度，n表示节点，N表示节点编号集合。4.权利要求1所述的一种基于遗传算法和麻雀算法的车辆路径优化方法，其特征在于，根据麻雀搜索算法分别更新探索者位置、追随者位置和警惕者位置中，更新探索者位置的步骤还包括：
其中，i，j∈{1,2,3,
…
,d}，t表示当前迭代次数，表示第t+1次迭代中发现者种群各麻雀的位置，表示第t次迭代中发现者种群各麻雀的位置，Q表示一个符合正态分布的随机数，L表示一个1
...

【专利技术属性】
技术研发人员：石宁，刘春燕，盛伟，钟亮亮，
申请(专利权)人：南京可信区块链与算法经济研究院有限公司，
类型：发明
国别省市：