求解双层CARP优化问题的演化学习型遗传算法.pdf

万方数据
求解双层优化问题的演化学习型遗传算法邢立宁，姚锋言揽蒲Ъ际醮笱畔⑾低秤牍芾硌г海铣ど第卷第系统工程与电子技术摘要：双层有能力约束的弧路径优化问题珻的研究对象通常是某个城市或地区，首先聚焦于该地物流系统的宏观配置，然后考虑相关�，车辆购置成本为�３盗鞠薅ㄈ萘考八俣确直鹞猀和��行驶距离与空车成本之间的转换系数是�Ｔ诘ジ龇�裰�期中，假设最大服务时间为丁。同时，在给定的期限内．假定相同任务被重复地执行�巍���输出条件��挚馕恢肈���琩���琩�，�与数目�，�皇�布尔变量，�灰�说明节点�ū挥米鞑挚狻���盗痉植糄��觯�琩�海���觥！�与数目�＃琩￡，表示在第�霾挚饽谟ε渲玫某盗臼�俊���盗镜淖钣怕肪都疞��，⋯，�����琁。�，�突《�服务标识�脚��疟硎韭肪禝，上的第�趸《危琁��簦��⋯，胁，⋯，�＃���，��硎韭肪秄，上的弧段数目，�脚��布尔变量。当车辆遍历路径��保�舳曰《味牵�凳┝朔�务，，，��一�环粗���岸。��。���新肪兜目J冀诘阈蚝牛�闯盗境龇⒌牟挚���优化目标优化目标是成本�钚』�式中，�代表固定成本：�代表运行成本：����代表路径�的总成本：������约束条件每台车在执行完任务后必须回到其出发仓库；在单个服务周期中，任何车辆的行驶时间都不能超过最大服务时间丁；在执行每次任务时，单台车完成的服务需求之和应小于等于其限定容量�淮用扛霾挚馀沙龅某盗臼�坎荒艹�过该仓库储存的车辆数目；部分服务不被允许，每条必需服务路段在单个周期中必须并且只能接受一次服务。��双层��优化问题的求解框架双层��优化问题主要涉及两方面：宏观配置优化问题和微观路径优化问题。前者主要确定仓库位置、数目及各仓库应被配臂的车辆数目，后者主要确定各台车辆的最佳行驶路径。确保所有必需服务路段能够得到及时服务。双层��优化问题的求解框架如图��尽�·��·编号。��，������图�ú鉉��呕��獾那蠼饪蚣�求解宏观配置优化问题一一求解微观路径优化问题一■��籰．●万方数据
一翼愀一�啪触一一蝴一㈣一⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯‘毓算筷丽磊�ネ嵯病��������������������●�●⋯‘●�一⋯⋯●⋯●●●●�●。�弧�●●��●●⋯�⋯��‘●●一���●。‘。⋯‘。‘��弧��！�璤。�！�。●●�第��邢立宁等：求解双层��优化问题的演化学习型遗传箅法在现有启发式方法中．���������癠���������不但能有效地求解标准的��问题，且常用于求解各种扩展的��问题。鉴于此，针对双层��优化问题中的微观路径优化同题，笔者将这两种启发式方法改进后得到两种扩展启发式方法�“：����������。在求解微观路径优化问题时。��和��在优化结果方面没有明显差异；在计算效率方面��明显优于��。为了最大程度地减少宏观配置问题的求解时间，使用��对某种配置方案中各个目标值进行求解。本文采用多种方法求解双层��问题：借助��方法求解宏观配置优化问题，采用多种不同方法来求解给定配置方案下的微观路径优化问题。因此，下文提及到“采用�椒�如��、��或演化学习型遗传算法���—�����琇��蠼狻保�词褂肊��椒ㄇ�解宏观配置问题，采用�椒ㄇ蠼馕⒐勐肪段侍狻������阎悄苡呕�Ｐ�遗传算法�胫J赌Ｐ陀行Ы�合起来，以前者为基