城市物流终端配送的路径规划是控制运输成本的关键。为解决城市低碳物流的路径规划问题,提出一种头脑风暴-自适应大邻域搜索算法(brain storm optimization_adaptive large neighborhood search,BSO_ALNS)进行求解。首先,建立以最小车...城市物流终端配送的路径规划是控制运输成本的关键。为解决城市低碳物流的路径规划问题,提出一种头脑风暴-自适应大邻域搜索算法(brain storm optimization_adaptive large neighborhood search,BSO_ALNS)进行求解。首先,建立以最小车辆运输总成本为优化目标的基于车辆油耗的带容量和时间窗约束的低碳车辆路径模型(capacitated vehicle routing problem with time windows,CVRPTW)。其次,利用头脑风暴算法(brain storm optimization,BSO)全局搜索,采用贪婪策略提高初始解质量,引入启发式交叉策略提升全局搜索质量;利用自适应大邻域搜索算法(adaptive large neighborhood search,ALNS)局部搜索,设计10种破坏和修复算子,引入自适应权重机制,结合模拟退火准则避免陷入局部最优。通过选取Solomon中不同规模的C、R、CR等类型实例对BSO_ALNS算法进行性能测试。以最短路径距离为目标,BSO_ALNS算法解与历史最优解误差均在1.5%内;以最小车辆运输总成本为目标,对比BSO和ALNS,BSO_ALNS均取得最优解。证明所提算法能够有效地解决城市低碳物流路径优化问题。展开更多
文摘城市物流终端配送的路径规划是控制运输成本的关键。为解决城市低碳物流的路径规划问题,提出一种头脑风暴-自适应大邻域搜索算法(brain storm optimization_adaptive large neighborhood search,BSO_ALNS)进行求解。首先,建立以最小车辆运输总成本为优化目标的基于车辆油耗的带容量和时间窗约束的低碳车辆路径模型(capacitated vehicle routing problem with time windows,CVRPTW)。其次,利用头脑风暴算法(brain storm optimization,BSO)全局搜索,采用贪婪策略提高初始解质量,引入启发式交叉策略提升全局搜索质量;利用自适应大邻域搜索算法(adaptive large neighborhood search,ALNS)局部搜索,设计10种破坏和修复算子,引入自适应权重机制,结合模拟退火准则避免陷入局部最优。通过选取Solomon中不同规模的C、R、CR等类型实例对BSO_ALNS算法进行性能测试。以最短路径距离为目标,BSO_ALNS算法解与历史最优解误差均在1.5%内;以最小车辆运输总成本为目标,对比BSO和ALNS,BSO_ALNS均取得最优解。证明所提算法能够有效地解决城市低碳物流路径优化问题。
