科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对车辆路径优化问题中的现实因素，考虑了时间窗约束和时变车速的情况，构建了以配送总成本最低和客户平均满意度最高为目标的数学优化模型。为了提高基本粒子群算法的搜索精度和搜索能力，将遗传算法中的交叉和变异操作引入到基本粒子群算法中，设计了一种多目标混合粒子群算法。选取23条实例在MATLAB软件上进行实验仿真，并与基本粒子群算法的优化结果进行对比。算例结果表明，相较于基本粒子群算法的优化结果，多目标混合粒子群算法减少了10.59%的平均配送总成本，提高了5.30%的客户平均满意度，其中平均配送车辆数量、平均行驶总路径长度、每辆车平均配送量的计算结果也都得到了优化。为多目标混合粒子群算法求解车辆路径优化问题提供了较好的理论依据。
- 单位
