(录用定稿)网络首发时间:2019-12-17 10:29:22

基于自适应变邻域搜索的大规模电动车辆路径优化

针对变邻域搜索在后期出现的在某些邻域内长时间无法找到更优的可行解的情况,提出了一种基于邻域选择概率自适应的变邻域搜索算法。该算法能够自适应调整在某个邻域进行搜索的概率,进而提高优化效率。对城市配送中的大规模电动车辆路径问题进行了建模分析,根据客户的地理位置、时间窗等信息设计了高效的初始解生成算法。使用片段交换、2-opt、relocation等邻域算子进行自适应变邻域搜索。最后使用不同规模的实际数据对算法进行仿真验证,相比于传统的变邻域搜索算法,本文算法能更有效地跳出局部最优解,降低物流成本。

国家自然科学基金(61703161,61673173); 中央高校基本科研基金(222201714031,222201717006); 上海国家自然科学基金(19ZR1473200);

城市配送; 电动车辆路径问题; 自适应变邻域搜索; 物流成本;

10.14135/j.cnki.1006-3080.20190730001

TP301.6;U491

中国知网独家网络首发,未经许可,禁止转载、摘编。

558758K
在线咨询 用户反馈