基于多目標免疫進化算法的動態(tài)車輛路徑優(yōu)化研究.pdf

1、車輛路徑優(yōu)化問題(VRP:Vehicle Routing Problem)是具有多個約束條件的組合優(yōu)化NP難題,是在控制科學、優(yōu)化學說以及運籌論及其相關學科中的研究熱點之一。其較難使用一般的算法達到滿意解,通常采用智能優(yōu)化方法進行研究探討。車輛路徑優(yōu)化問題已經拓展到社會日常生活、工作中的公共交通中鐵路、公路和航空等調度,郵件、貨物等物流的配送以及城市水、電、煤氣等運輸調配等,在現代信息社會中起到了不可估量的作用。通過對多種智能優(yōu)化算法進

2、行了分析比較,針對動態(tài)車輛路徑優(yōu)化的特點選取免疫進化算法作為有效的解決方法。在對多目標優(yōu)化基礎問題的研究上,把免疫系統(tǒng)的克隆選擇學說與生物進化法則應用到多目標優(yōu)化計算中,即并行了免疫進化系統(tǒng)的記憶單元體。應用聚類方法對抗體種群進行優(yōu)化排序,單抗體采用非均勻變異的位操作促進種群抗體個性化;抗體間采用交叉到位操作模仿進化操作,通過種群中抗體間親和力維持競爭進化,抗體與抗原親和度來促使優(yōu)化,抑制競爭過度,使種群更具廣泛性。
　　本論文主

3、要的工作內容和研究成果如下:首先,由國內外在多目標車輛路徑優(yōu)化的研究情況展開,分析了多目標優(yōu)化研究方面各種經典、智能算法的發(fā)展趨勢,以及在信息化的社會中運用智能的手段解決多目標車輛路徑優(yōu)化是非常必要的。其次,針對動態(tài)車輛路徑優(yōu)化的特點,提出采用動態(tài)車輛路徑配送策略規(guī)劃即模塊分組優(yōu)化的策略,對工作時間分段處理,劃分為三個子模塊:訂單處理模塊,多目標免疫進化優(yōu)化算法模塊,信息存儲模塊,使其能更好的記憶、調整、優(yōu)化動態(tài)車輛路徑問題。文章最后對

4、三類顧客點分布情況下的車輛路徑優(yōu)化進行了仿真實驗對比,主要選取了近些年在智能優(yōu)化上取得良好優(yōu)化結果的蟻群算法、禁忌搜索算法、貪婪算法和遺傳算法在相應領域的實驗結果進行對比。通過優(yōu)化性能指標“達優(yōu)率”來對比實驗數據,結果表明:免疫進化算法在動態(tài)車輛路徑配送策略規(guī)劃中可以有效求解動態(tài)多目標車輛路徑優(yōu)化問題,而且所得結果與其他優(yōu)化算法得到結果有較明顯改善。本文利用多目標免疫進化算法在三類顧客點分布情況下所得到了多個非支配解,不僅為決策者提供了