科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对带容量约束车辆路径问题（CVRP）受到交通拥堵、资源供给、客户需求等不确定性因素影响，容易导致单一最优解不可行或非最优的问题，提出一种多模态差分进化（MDE）算法，以同时求解得到目标值相近的多个备选车辆路径方案。首先结合CVRP问题特点，构建高效的解个体编解码策略，并基于修复机制提升解个体质量；然后在差分进化算法框架下，基于多模态优化视角，引入动态半径小生境生成方法，采用杰卡德系数来度量解个体之间相似性，进而实现对于解个体之间距离的计算；最后，改进邻域搜索策略，采用精英存档和更新策略来得到多模态最优解集。基于典型数据集的仿真实验与分析结果表明，所提MDE算法寻优得到的平均最优解个数达到1.7434个，平均最优解值与已知最优解的偏差为0.03%，与差分进化（DE）算法相比提升了0.6个百分点。可见，所提算法在求解CVRP上表现出较高的有效性和稳定性，能同时得到目标问题的多个近似最优解。
- 单位
