1 简介
针对城市物流配送和交通运输中广泛存在的带时间窗车辆路径问题,为寻求最佳路径规划,应用惩罚函数,构建了以总运输成本最小为目标的数学模型.在车辆路径优化求解方面,根据问题具体特征设计了1种二维编码方式,并采用近邻初始化方式构建初始解从而提升寻优速率;随后,结合狼群算法觅食行为中的游走、召唤及围攻3种行为,重新定义其智能行为,设计了一种求解带时间窗车辆路径问题的狼群算法.由于原始狼群算法的召唤行为引入距离判定因子来增大种群搜索空间,但也增加了算法复杂性且易陷入局部最优,故本研究舍弃了距离判定因子,采用猛狼1次奔袭便进入围攻状态来降低算法复杂度,并在算法中进一步增强了种群间信息交互.最后,应用该狼群算法求解多个测试算例.结果表明:基于模拟退火赛算法优化狼群算法在求解带时间窗的车辆路径问题时是可行的、有效的。
带时 间 窗的 车 辆 路径 问 题(vehicle routingproblem with time windows，VRPTW)是在基本车辆路径问题(vehicle routing problem，VRP) 的基础上增加了客户接受配送服务的时间窗要求，较VRP更贴近实际配送情况。与VRP类似，VRPTW亦属于NP难问题。由于问题规模较大时，传统精确算法难以求出VRPTW的最优解，因此，国内外很多学者利用智能启发式算法来寻找该问题的满意解。常见的求解VRPTW的智能优化算法包括:蚁群算法、遗传算法、粒子群算法、禁忌搜索算法等。但是，由于遗传算法与禁忌搜索算法的早熟易收敛问题，蚁群算法和粒子群算法的易陷入局部最优缺陷，故目前仍未找到求解性能具有明显优势的VRPTW求解算法。因此，对VRPTW求解方法的研究仍属于运筹学、物流配送和交通运输工程等领域的研究重点和热点。狼群算法(Wolf Pack Algorithm，WPA) 作为一种新型智能启发式算法，是对自然界中狼群分工协作捕食行为的智能模拟，是一种基于种群的随机寻优算法。目前，该算法已被成功应
