改进的粒子群优化算法在随机需求车辆路径问题中的应用

王芳; 丁海利; 高成修

您当前的位置：

首页 >

文章列表页 >

改进的粒子群优化算法在随机需求车辆路径问题中的应用

更新时间：2021-04-02

- 改进的粒子群优化算法在随机需求车辆路径问题中的应用
- Advanced Particle Swarm Optimization for the Vehicle Routing Problem with Stochastic Demands
- 武汉大学学报（理学版） 2007年第1期页码：41-44
- 作者机构：
  
  1. 武汉大学数学与统计学院
  2. 武汉大学数学与统计学院,湖北,武汉,430072
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（A0324666,70471034）
- DOI：
  中图分类号： U116.2
- 纸质出版日期：2007-01-01，
- 稿件说明：
移动端阅览
[1]王芳,丁海利,高成修.改进的粒子群优化算法在随机需求车辆路径问题中的应用[J].武汉大学学报(理学版),2007(01):41-44.

WANG FANG, DING HAILI, GAO CHENGXIU. Advanced Particle Swarm Optimization for the Vehicle Routing Problem with Stochastic Demands. [J]. 2007, (1): 41-44.
[1]王芳,丁海利,高成修.改进的粒子群优化算法在随机需求车辆路径问题中的应用[J].武汉大学学报(理学版),2007(01):41-44. DOI：

WANG FANG, DING HAILI, GAO CHENGXIU. Advanced Particle Swarm Optimization for the Vehicle Routing Problem with Stochastic Demands. [J]. 2007, (1): 41-44. DOI：

摘要

设计了一种求解随机需求车辆路径问题的改进的粒子群优化（PSO）算法.在算法后期将变异算子引入PSO算法

克服了基本PSO算法易陷入局部最优的缺点.数值模拟结果表明改进的PSO算法提高了全局搜索能力

求解效果优于基本PSO算法和遗传算法.

Abstract

This paper studies the vehicle routing problem with stochastic demands（VRPSD）

and devises an advanced PSO to solve this problem.By adding the mutation operator to the PSO algorithm in the later phase

the advanced PSO algorithm overcome the basic PSO’s shortcoming of easily plunging into the local optimization.Experimental results indicate that the advanced PSO algorithm can improve the global convergence ability and is superior to basic PSO algorithm and genetic algorithm.

关键词

随机车辆路径问题变异算子粒子群优化算法

Keywords

stochasticvehicle routing problemmutation operatorparticle swarm optimization

references

浏览量

508

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

复杂环境下动态车辆路径问题的建模与求解

基于粒子群优化求解纳什均衡的演化算法