[发明专利]一种基于改进布谷鸟算法的物流配送车辆路径优化方法

摘要

本发明涉及一种基于改进布谷鸟算法的物流配送车辆路径优化方法，其特征在于包括以下步骤：步骤1：设置改进布谷鸟算法的参数；步骤2：初始化种群并计算适应度值；其中种群采用均匀分布函数随机产生size个nd维搜索空间范围为[1,carnumber]的寄生巢；适应度值的计算先采用2‑opt算法局部优化每条线路中的路径，并采用分段罚函数法求解每条优化后线路的路径值的和作为该方案的适应度值；步骤3：执行寄生巢的levy游走操作；步骤4：执行寄生巢被发现操作；步骤5：执行寄生巢变异操作；步骤6：动态调整发现概率。本发明通过采用改进的布谷鸟算法与2‑opt算法相结合运用到物流配送车辆路径问题的求解中，为解决物流车辆配送优化问题提供了一种新的可行且有效的解决方案，丰富了求解物流配送路径优化问题的方法。

主权项

一种基于改进布谷鸟算法的物流配送车辆路径优化方法，其特征在于,包括以下步骤：求解步骤：步骤1：设置算法的参数,设置种群规模size，服务客户的数量nd，当前求解问题所需车辆数carnumber,设置车的载荷CarrayCarCan，寄生巢中鸟蛋的发现概率，算法搜索空间范围[1, carnumber]，种群迭代次数Max_iter，迭代计数器N_iter=1；步骤2：初始化种群并计算适应度值,采用均匀分布函数随机产生size个nd维搜索空间范围为[1, carnumber]的寄生巢，记第i个寄生巢位置为，并对每个寄生巢用ceil函数进行取整（即），以保证每个客户点由一辆车进行服务，并计算其对应的适应度值；步骤3：执行寄生巢的levy游走操作，采用更新方式产生新的寄生巢位置，并与执行levy游走前的位置进行比较，选择位置较好的寄生巢保留到下一代；步骤4：执行寄生巢被发现操作，产生随机数，若，对该寄生巢进行扰动产生新的寄生巢，并与扰动前对应的位置进行比较，保留位置较好的寄生巢；步骤5：执行寄生巢变异操作，采用对寄生巢进行变异操作；步骤6：动态调整发现概率，采用动态调整寄生巢被发现概率，期中表示进行第t次迭代是的发现概率；、分别为最大发现概率和最小发现概率；为最大迭代次数；为当前迭代次数；此方法确保在算法的初期，由于个体离最优值的距离较远，需要较大的位置改变速率；在算法的后期，由于大多数解聚集在最优位置周围，需要较小的位置改变速率；步骤 7：保留每次搜索的最优位置及其适应度，判断搜索结果是否符合要求，若满足，则转至Step 8，否则转至Step 3；步骤 8：输出最优寄生巢位置及其相应的适应度值，获得最优物流配送车辆路径方案。