劉志勇 蔡延光
【摘要】考慮客戶的多時(shí)間窗需求,建立RTVRPMTW問題模型。充分利用ACO和GA的優(yōu)勢(shì),并采用了3-opt搜索、車場(chǎng)交換及協(xié)同機(jī)制等策略進(jìn)行改進(jìn),構(gòu)造了HACO。對(duì)實(shí)例進(jìn)行仿真表明該算法在收斂速度和尋優(yōu)結(jié)果兩方面都優(yōu)于另外三種算法,而且穩(wěn)定性較好。
【關(guān)鍵詞】多時(shí)間窗;實(shí)時(shí)車輛路徑優(yōu)化;蟻群優(yōu)化算法;協(xié)同機(jī)制
Research on real time vehicle routing problem with multiple time windows
LIU Zhi-yong,CAI Yan-guang
(School of Automation,Guangdong University of Technology,Guangzhou 510006,China)
Abstract:Considering the multiple time windows,establishing real time vehicle routing problem with multiple time windows model.Making full use of the advantages of ant colony optimization and genetic algorithm,3-opt local search,depot exchange and collaborative mechanism were introduced to improved the algorithms performance,then the hybrid ant colony optimization was constructed.Experiments show that the algorithm is better.
Key words:multiple time windows;real time vehicle routing problem;ACO;collaborative mechanism
引言
帶時(shí)間窗的車輛路徑優(yōu)化問題(vehicle routing problem with time windows,VRPTW)屬于車輛路徑問題(vehicle routing problem,VRP)的范疇,也屬于NP-h問題,近年來,有不少學(xué)者[1-3]對(duì)VRPTW進(jìn)行了深入研究,該問題一直是運(yùn)籌學(xué)與組合優(yōu)化領(lǐng)域的前沿和熱點(diǎn)問題,且在現(xiàn)實(shí)生產(chǎn)生活中有著相當(dāng)廣泛的應(yīng)用,因而研究該問題具有現(xiàn)實(shí)意義。目前,國(guó)內(nèi)外對(duì)于多時(shí)間窗VRP的研究文獻(xiàn)不少,但是考慮多時(shí)間窗的實(shí)時(shí)VRP(real time vehicle routing problem with multiple time windows,RTVRPMTW)的研究文獻(xiàn)還相當(dāng)有限,本文通過提出的混合蟻群優(yōu)化算法求解該問題模型。
1.問題描述及數(shù)學(xué)模型
客戶i(i=1,2,…,l)的需求量為gi,客戶時(shí)間窗的個(gè)數(shù),,客戶要求送貨的時(shí)間窗為[,],等待費(fèi)用為s1,延遲費(fèi)用為s2,車場(chǎng)個(gè)數(shù)為n(n=1,2,…,N),車輛類型為h(h=1,2,…,H),車輛載重為qhgi 決策變量如下: (1) (2) (3) 目標(biāo)函數(shù): (4) 約束條件: (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) 2.混合蟻群算法求解流程 混合蟻群算法的求解流程框圖如圖1所示。 圖1 混合蟻群算法的求解流程框圖 3.算例仿真 某企業(yè)有兩車場(chǎng),車場(chǎng)A(40,30),兩種類型車輛各3輛,載重分別為35和25,固定成本分別為8和5,運(yùn)輸成本為1和0.8;車場(chǎng)B(80,45),三種類型車輛各3輛,載重分別為35、20和25,固定成本分別為8、4和5,運(yùn)輸成本分別為1、0.6和0.8。客戶信息如表1。最早和最晚發(fā)車時(shí)間分別為480和600個(gè)時(shí)間單位。司機(jī)工資為10個(gè)單位,里程約束為150個(gè)單位,車輛最大行駛時(shí)間為210個(gè)時(shí)間單位。服務(wù)時(shí)間為10個(gè)時(shí)間單位,早到和遲到懲罰系數(shù)分別為1和4。v=50千米/時(shí)。 表1 客戶信息 在Intel(R)Core?i5 CPU3.0GHz、內(nèi)存為8.0G、win7的PC機(jī)上采用Matlab R2010b編程實(shí)現(xiàn)。針對(duì)RTVRPMTW模型,分別采用GA、TS、ACO和HACO進(jìn)行仿真,各運(yùn)行20次。GA參數(shù)設(shè)計(jì):初始化種群N=20,最大迭代次數(shù)為800,交叉概率pc=0.9,變異概率pm=0.04,采用精英選擇策略,算術(shù)交叉,均勻變異。TS參數(shù)設(shè)計(jì):最大迭代次數(shù)800,禁忌長(zhǎng)度為10,候選解個(gè)數(shù)為80個(gè),保留20個(gè)最小候選解。ACO參數(shù)設(shè)計(jì):蟻群規(guī)模m=20,最大迭代次數(shù)Nc=800,q0=0.8,Q=100。通過多次實(shí)驗(yàn)知當(dāng),,時(shí)蟻群優(yōu)化算法的性能最優(yōu)。4種算法求解RTVRPMTW的結(jié)果是:GA在第50代搜索到最好解為566.38,TS在第12代搜索到最好解572.55,ACO在第60代搜索到最好解566.38,而HACO在第13代搜索到最好解為566.38,可以看出本文算法的收斂速度和求解質(zhì)量?jī)?yōu)于另外三種算法。 4.結(jié)語(yǔ) 本文提出了基于GA和ACO兩種算法的優(yōu)點(diǎn)及多種改進(jìn)策略的HACO,本文提出模型屬于小規(guī)模模型,研究更大規(guī)模模型及包含多種擴(kuò)展特性(多周期性、服務(wù)優(yōu)先級(jí)等)的VRP及其求解方法將是下一步研究的方向。 參考文獻(xiàn) [1]Simchi-Levi D,Chen X,Bramel J.The VRP with Time-Window Constraints[M]//The Logic of Logistics.Springer New York,2014: 341-357. [2]Cattaruzza D,Absi N,F(xiàn)eillet D,et al.An Iterated Local Search for the Multi Commodity Multi Trip Vehicle Routing Problem with Time Windows[C]//ROADEF-15ème congrès annuel de la Société fran?aise de recherche opérationnelle et daide à la décision.2014. [3]Ko? ?,Bekta? T,Jabali O,et al.A Hybrid Evolutionary Algorithm for Heterogeneous Fleet Vehicle Routing Problems with Time Windows[J].2014. 基金項(xiàng)目:國(guó)家自然科學(xué)基金(編號(hào):61074147,61074185) 作者簡(jiǎn)介: 劉志勇(1990—),男,江西新余人,碩士研究生,研究方向:物流運(yùn)輸信息技術(shù)研究。 蔡延光(1963—),男,湖北咸寧人,博士,廣東工業(yè)大學(xué)自動(dòng)化學(xué)院教授,主要從事組合優(yōu)化、人工智能、決策支持系統(tǒng)等的研究。