首页 > 学术百科

基于聚类的变邻域模拟退火算法求解VRPTW

柳永雨霖铃赏析第35卷第5期2020年10月

北京信息科技大学学报

Journai of Beijing Information Science&Technology University

Voi.35No.5

Oct.2020

文章编号：1674-6864(2020)05-0086-07DOI：10.16508/j.ckb11-5866/n.2020.05.016

光波网基于聚类的变邻域模拟退火算法求解VRPTW

蔚帅，蒋洪伟

(北京信息科技大学信息管理学院，北京100192)

摘要：为求解带时间窗车辆路径问题(vehicie routing problem with tine window, VRPTW)，针对启发式算法求解路径优化问题的精确度低、时间长等缺—，提出了一种基于密度聚类方法的变邻域模拟退火算法"simulated annealing with vaiabie neighborhood based on density-based spatiai clusteing of applicati

on with noise,DBSCAN/SAVN)%DBSCAN/SAVN算法首先用DBSCAN 聚类算法确定出若干簇类来降低数据规模；针对模拟退火算法中的metropolis准则在求解VRPTW 时收敛速度慢、容易陷入局部最优解的缺—，使用3种扰动算子构造出变邻域模拟退火算法的邻域结构；最后通过改进的模拟退火算法对簇类中的小规模车辆路径问题进行求解％通过仿真实验与其他优化启发式算法相比，DBSCAN/SAVN求得解的质量更好，具有可靠的全局稳定性％关键词：车辆路径问题；时间窗；DBSCAN算法；改进模拟退火算法；变邻域搜索算法

中图分类号：023文献标志码：A

Simulated annealing with variable neighborUood based on clustering for

网格化管理

vedicle routing problem with hmr window

揭开害羞之谜YUShuao"JIANGHongweo

(School of Infoeiation Management,Beijing Information Science&Technoloea University,Beijing100192,China) Abstract:In order to solve the vehicie routing problem with tine window,aiming al the shoatcomongsooh0uaostocaigoaothm"such asiow accuaacyand iongtom0"asomuiatd ann0aiongwoth

eaaoabi n0oghboahood bas0d on d0nsoty-bas0d spatoaiciustaongooappiocatoon woth noos0(DBSCAN/ SAVN)os p aopos0d.Th0DBSCAN/SAVN a igo aothm ooast us0s DBSCAN c iust aong a igo aothm to d0t am on0 seei clusters to educe the data size,then uses three pe/urbation operators to constmct the neoghboahood se6ooeaaoabieneoghboahood somuiaed anneaiongaigoaohm oaeood siowconeeagencespeed and oa i ongon oiocaiop omaisoiu oon.Fona i y,6heompaoeed somuiaed anneaiongaigoaohm osused o soiee6hesma-scaieeehocieaou ongpaobiem oo6heciusea.Compaaed woh o6heaheuaosocop omoeaoon aigoaohms,DBSCAN/SAVNhasbeeaquaioyand aeioabiegiobaisaboioy.

Keywords：vehicie routing problem%time window%DBSCAN algorithm%improved simulated

annealing%veiabk neighborhood search algorithm

时间统计法

0引言

车辆路径问题(vehicie mutiny pebim,VRP)是—个NP难题&VRPTW(vehicie routing pebim with time window)是在VRP的基础上增加了时间窗约束条件，主要优化目标为最小化车辆数目、最小化总行驶距离、最小化总成本等&国内外大量学者对此提出了解决方案&Sin等(1〕提出了生成性和选择性相结合的超启发算法，相比同类的超启发算法具有较优的求解效果%Crinie[2〕提出了VRP的精确解和元启

发式解并行求解的方法，可以有效地解决车辆路径问题等大型复杂组合优化方案；Baldacci等⑶对多类型车辆路径问题提出了基于改进启发式算法的解决方案;Ba/olini等〕提出了一个求解VRP的精

心有林希

收稿日期：2020-05-31

第一作者简介：蔚帅，男，硕士研究生%通讯作者：蒋洪伟，男，博士，副教授

本文发布于:2024-09-22 04:29:20，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/592240.html

上一篇：模拟退火算法(SA)求解TSP问题(C语言实现)

下一篇：智能算法综述