-
题名考虑碳排放的需求可拆分车辆路径问题模型及算法研究
- 1
-
-
作者
闫芳
邬珂
陈凯
-
机构
重庆交通大学经济与管理学院
-
出处
《数学的实践与认识》
北大核心
2019年第18期40-49,共10页
-
基金
国家自然科学基金“基于竞合关系的不确定运输服务采购决策研究”(71401020)
教育部人文社科青年项目“互联网环境下基于运输任务组合的车货匹配优化研究”(19YJC630198)
重庆市社会科学基金“重庆市共同配送模式及收益分配策略研究”(2017YBGL154)
-
文摘
考虑低碳环境下的需求可拆分车辆路径问题,建立了以配送成本最小为决策目标的数学模型.随后根据模型特点,设计了基于动态学习因子的改进粒子群算法,并通过两个不同规模算例对模型验证模型和算法的有效性和合理性.通过两个算例中的算法对比发现,所提出的算法较改进前算法,均能够在保证求解质量的前提下,减少计算时间;而当算例规模增大时,这一优势更为明显.
-
关键词
需求可拆分
低碳车辆路径
动态学习因子
粒子群算法
-
Keywords
spit delivery
low carbon vehicle route problem
dynamic learning operator
particle swarm optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
U116.2
[自动化与计算机技术—控制科学与工程]
F252.1
[交通运输工程]
-
-
题名基于动态反向学习和莱维飞行的双搜索模式萤火虫算法
被引量：4
- 2
-
-
作者
陈娟
赵嘉
肖人彬
王晖
康平
-
机构
南昌工程学院信息工程学院
华中科技大学人工智能与自动化学院
-
出处
《信息与控制》
CSCD
北大核心
2023年第5期607-615,共9页
-
基金
国家自然科学基金(52069014)
江西省教育厅科技计划(GJJ201915,GJJ2201506,GJJ2201803)
-
文摘
针对多目标萤火虫算法在解决复杂多目标问题时存在收敛性差和分布性不足的问题,提出了基于动态反向学习和莱维飞行的双搜索模式萤火虫算法(MOFA-LR)。该算法通过比较任意一只萤火虫与种群中其余萤火虫的适应度值,判断它们之间的支配关系,根据不同的支配关系选择不同的搜索模式。当萤火虫被支配时,应注重向帕累托前沿上的优质解靠近,因此通过动态反向学习策略求出当前个体的反向解,使用反向解结合全局最优解共同引导萤火虫移动的搜索模式,能够发掘潜在的较好解,使萤火虫最大可能地向有利方向移动,改善了算法的收敛性;当萤火虫不被支配时,应注重获得均匀分布的帕累托前沿,因此使用全局最优解引导萤火虫飞行并结合莱维扰动的搜索模式,既能有效利用非支配解的优良信息,又能避免算法陷入停滞,在改善算法收敛性的同时维护了分布性。最后,为避免算法在迭代后期出现萤火虫严重聚集的现象,添加变异算子帮助种群跳出局部最优,引导种群进行局部开采。将MOFA-LR与12种新近多目标优化算法进行比较,实验结果表明,MOFA-LR具有良好的收敛性和分布性,证明了所提策略的有效性。
-
关键词
萤火虫算法
多目标优化
动态反向学习
莱维飞行
变异算子
-
Keywords
firefly algorithm
multi-objective optimization
dynamic reverse learning
levy flight
mutation operator
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
