双重信息引导的蚁群算法求解绿色多舱车辆路径问题
郭宁1
申秋义2
钱斌3
那靖4
胡蓉3
毛剑琳5
1.昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学 机电工程学院,云南昆明 6505002.昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学云南省人工智能重点实验室,云南 昆明 6505003.昆明理工大学信息工程与自动化学院,云南昆明 650500;昆明理工大学 机电工程学院,云南昆明 650500;昆明理工大学云南省人工智能重点实验室,云南 昆明 6505004.昆明理工大学 机电工程学院,云南昆明 6505005.昆明理工大学信息工程与自动化学院,云南昆明 650500
摘要：针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.
关键词：多舱车辆路径问题绿色蚁群优化算法双重信息引导信息素浓度平衡机制
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 1067-1078 )
英文信息