一种改进的种群增量学习算法求解带软时间窗的 车辆路径优化问题

• 作者: 张桂莲 张笑迪 胡蓉 谢勇 钱斌 陈少峰
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 种群增量学习算法 带软时间窗的车辆路径问题 概率模型 优质解区域 运输总成本 有效性 全局搜索
• 年，卷（期）: 2016,（1）
• 页码范围: 110-116
• 页数: 7页
• 分类号: TP301.6
• 字数: 5663字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.01.018

摘要

针对求解带软时间窗车辆路径问题( Vehicle routing problem with soft time windows, VRPSTW) ,提出一种改进的种群增量学习算法( Improved population-based incremental learning algorithm,IPBIL)优化运输总成本. 提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索. 最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱斌	昆明理工大学信息工程与自动化学院	40	194	6.0	13.0
2	胡蓉	昆明理工大学信息工程与自动化学院	31	135	5.0	11.0
3	张桂莲	昆明理工大学信息工程与自动化学院	6	20	3.0	4.0
4	谢勇	昆明理工大学信息工程与自动化学院	1	5	1.0	1.0
5	陈少峰	昆明理工大学信息工程与自动化学院	1	5	1.0	1.0
6	张笑迪	昆明理工大学信息工程与自动化学院	3	7	2.0	2.0