结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题
文献类型：期刊论文
| 作者 | 胡蓉; 李洋; 钱斌; 金怀平; 向凤红 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:12页码:3006-3023 |
| 关键词 | 低能耗车辆路径问题 多车场多车型 时间窗 聚类分解 增强蚁群算法 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190872 |
| 英文摘要 | 针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows, LMHFVPR＿TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition, EACO＿CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR＿TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows, LVRP＿TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization, EACO)求解分解后的各子问题(LVRP＿TW),进而获得原问题的解. EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search, TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO＿CD的有效性. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56235]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 胡蓉,李洋,钱斌,等. 结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题[J]. 自动化学报,2022,48(12):3006-3023. |
| APA | 胡蓉,李洋,钱斌,金怀平,&向凤红.(2022).结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题.自动化学报,48(12),3006-3023. |
| MLA | 胡蓉,et al."结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题".自动化学报 48.12(2022):3006-3023. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。