[发明专利]基于改进万有引力算法的多时间窗车辆路径选择方法

摘要

本发明公开了一种基于改进万有引力算法的多时间窗车辆路径选择方法，主要解决现有技术不能同时对离散型和聚集型多时间窗车辆路径进行选择的问题。其实现步骤为：（1）对输入的客户进行聚类处理，确定聚类中心，并对车辆编号；（2）以车场为中心，根据聚类中心，将客户分布区域分为车辆数个片区，确定每辆车服务的客户集合；（3）记第k辆车服务的客户集为一个种群，在t＝0时刻，初始化该种群，并用万有引力算法对该种群进行寻优；（4）对该种群中各个体执行交叉操作，得到一个临时种群，再对该临时种群的各个体执行边界约束检查，并通过下、上层终止判断，得到多时间窗车辆路径问题的最优路径。本发明能同时对不同类型的多时间窗车辆路径进行选择。

主权项

一种基于改进万有引力算法的多时间窗车辆路径选择方法，包括如下步骤：（1）输入客户分布位置情况,车场中的车辆数M，下层迭代次数D和上层调整次数U，对客户进行快速聚类处理，即随机选择M个点作为聚类中心，设聚类调整次数I＝1；（2）聚类分组：对每辆车进行编号，令第一辆车的序号k＝1；以车场为中心，根据聚类中心，将客户分布区域分为车辆数个片区，确定每辆车服务的客户集合；（3）初始化种群：记第k辆车服务的客户集为一个种群，在t＝0时刻，初始化该种群中每个个体的空间位置；（4）利用万有引力算法寻优：在t时刻，选取种群中适应度值最好的m个个体，经万有引力作用使其施力于种群中的其他个体，然后更新一次个体速度和个体位置，得到T＝t+1时刻种群初始速度和位置，令t＝t+1；（5）局部搜索：（5a）对更新后的种群中每个个体进行一次交叉操作，得到一个临时种群，再对临时种群中每个个体执行边界约束检查，若该种群中存在目标值优于初始个体目标值的个体，则用其替换初始个体，否则种群中每个个体的位置不变；（5b）比较T与下层迭代次数D，若T≤D,返回步骤（4）；否则，记录第k辆车的最优路径、路径长及迟到时间；（6）下层终止判断：将车辆序号k+1与车辆数M进行比较，若(k+1)≤M，则返回步骤（3）；否则，计算当前分组下寻得的最优个体，并将该最优个体与种群中已知最优个体相比较，若当前分组下寻得的最优个体的目标函数值小于种群中已知最优个体的目标函数值，则用当前分组下寻得的最优个体替换种群中已知最优个体；否则，保持种群中已知最优个体不变；（7）上层终止判断：将聚类调整次数I+1与上层调整次数U进行比较，若(I+1)≤U，则对输入的客户重新进行聚类，确定聚类中心，并返回步骤（2）；否则，停止聚类，并返回记录的已知最优路径、路径长及迟到时间，该路径即为所选多时间窗车辆路径的最优路径。