專利名稱：：一種基于車輛路徑規(guī)劃的改進人工魚群優(yōu)化方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于工程
技術(shù)領(lǐng)域：
，涉及一種基于車輛路徑規(guī)劃的改進人工魚群優(yōu)化方法。
背景技術(shù)：
：近年來，我國大力倡導“堅持開發(fā)節(jié)約并重、節(jié)約優(yōu)先，按照減量化、再利用資源化的原則”的循環(huán)經(jīng)濟，大部制造企業(yè)實現(xiàn)了生產(chǎn)者責任延伸制，對廢舊產(chǎn)品召回進行再制造。典型的例子就是聯(lián)想集團備件物流處采取的“客戶自行更換備件單元”，其過程就是企業(yè)把新的計算機配件送達終端客戶手中并進行上門服務(wù)，同時取回已損壞的計算機配件。這種雙向運輸方式就是典型的帶回程取貨車輛路徑問題(VehicleRoutingProblemwithBackhaul,VRPB)，而如何在逆向物流中經(jīng)濟合適地安排車輛的配送路徑，對物流產(chǎn)業(yè)的發(fā)展有著重要的影響。人工魚群算法(ArtificialFishSwarmAlgorithm，簡稱AFSA)是由國內(nèi)學者李曉磊，邵之江，錢積新提出的一種基于動物行為的群體智能優(yōu)化算法。該算法簡單易實現(xiàn)，具有取得全局極值、避免陷入局部極值的良好能力，對搜索空間也有一定的自適應(yīng)能力，而且算法對初值與參數(shù)選擇不敏感，具有較強的魯棒性和較好的收斂性能。目前人工魚群算法已應(yīng)用于多個工程領(lǐng)域，并取得了較好的效果，具體包括計算機網(wǎng)絡(luò)的路由選擇、通風巷道漏風點辨識、配電網(wǎng)絡(luò)重構(gòu)和灌區(qū)優(yōu)化配水等。但算法在保持探索與開發(fā)平衡的能力較差、算法運行后期搜索的盲目性較大、尋優(yōu)結(jié)果精度低和運算速度慢等。
發(fā)明內(nèi)容本發(fā)明提出一種改進的人工魚群優(yōu)化方法，安排可回程取貨車輛配送路徑，提高車輛服務(wù)路徑上取貨、送貨節(jié)點的效率。本發(fā)明采用如下技術(shù)解決方案將人工魚群算法仿生學原理和決策者主觀偏好進行有效結(jié)合，重構(gòu)了人工魚群算法的尋優(yōu)公式；引入魚群感知范圍的概念，通過判斷車輛路徑上節(jié)點的需求量和當前車輛剩余運輸能力，以及決策者主觀偏好對人工魚的移動步長、視野范圍和鄰域搜索進行動態(tài)調(diào)整；改進人工魚群算法的全局搜索能力提高，可以優(yōu)化調(diào)度可回程取貨車輛的取、送貨行為。本發(fā)明方法的具體步驟是步驟1.考慮到VRPB問題的特點，隨機生成初始規(guī)模的人工魚群。將t時期車輛的狀態(tài)用人工魚個體的狀態(tài)向量X=(Xi(t),i=1,2,…，F(xiàn)_number)表示，其中，i為車輛將要服務(wù)的節(jié)點，Xi(t)為當前車輛可載貨容量；目標函數(shù)Yi=F(XJt))決定人工魚當前所在位置的食物濃度；人工魚個體之間的距離表示為Cli,i+1=IlXi-XwIl；對于VRPB問題，需要將人工魚的初始位置放在起點和終點上，因為車輛只有從起點出發(fā)到達終點，或者從終點出發(fā)回到起點才是一個有效解。步驟2.自適應(yīng)的設(shè)定鄰域搜索范圍。t時期人工魚個體Xk的鄰域定義為Nk={Xk|dk,k+1<Visual}，其中Visual表示人工魚的感知范圍。其中鄰域半徑Rn的確定非常關(guān)鍵，如果太大不足以發(fā)現(xiàn)一些重要個體，如果太小會形成局部極值點，降低算法搜索速度。引入魚群感知范圍一排斥區(qū)、中性區(qū)和吸引區(qū)的概念。假設(shè)人工魚的鄰域距離為R1,在這個距離之內(nèi)的其他魚對此魚有排斥作用；鄰域距離在R1和R2之間為中性區(qū)域，在這個范圍內(nèi)的其他魚對此魚的作用可能為排斥，也可能為吸引；鄰域距離&和民之間的區(qū)域為吸引區(qū)，在此區(qū)域的其他魚對此魚有吸引作用；距離R3之外不屬于魚的感知范圍，其中R1<R2<R3。步驟3.自適應(yīng)的覓食行為。在基本人工魚群算法中，人工魚不能改變運動方向。設(shè)定α，β分別為速度向量與兩個坐標軸的方向角，根據(jù)式(1)分別確定參數(shù)ak(t)，^k(t)的值決定人工魚群下一步的移動方向。引入交換序操作符“”重構(gòu)人工魚群算法的覓食公式(2)，這樣就擴大了人工魚群算法的搜索范圍，能夠有效地避免傳統(tǒng)人工魚群算法“早熟收斂”的缺點。(2)式中=XjloXil^nXito)為當前車輛的載貨量，randO表示W(wǎng)，1]間的隨機數(shù)，St印為進化代數(shù)。步驟4.聚群行為。將車輛剩余裝載能力引入到人工魚群算法的啟發(fā)信息中，用人工魚當前狀態(tài)為Xi表示車輛訪問過節(jié)點i后的裝載量，Xck表示整個人工魚群的中心位置，即車輛要訪問的下一個節(jié)點以及后續(xù)節(jié)點集的裝載量，Y=F(XiW)表示為人工魚當前所在位置的食物濃度，如果Yc/δ>Υ,(δ>1)表明伙伴中心位置有較多食物且不太擁擠，δ表示擁擠度因子，則按(3)式向服務(wù)中心節(jié)點位置移動，否則執(zhí)行覓食行為。步驟5.追尾行為。設(shè)人工魚群當前鄰域內(nèi)伙伴Xmax的位置最優(yōu)，最優(yōu)值Ymax>Yi，表明伙伴Xmax具有較高的食物濃度并且不太擁擠，則按(4)式步驟6.引入決策者主觀偏好，已知每輛車的運輸能力為C，車輛服務(wù)k個節(jié)點后其總運載量為Dk=^D1，車輛k剩余運載能力「μ即qk是一個三角模糊數(shù)，下一節(jié)點需求量小于車輛剩余運輸能力可能性為Pρ=pos車輛服務(wù)時通過對比自身剩余空間qk和待服務(wù)節(jié)點k+Ι的需求Dk+1，得出k點的置信水平，來確定該車輛是否有能力繼續(xù)服務(wù)。對下一節(jié)點需求量小于剩余車輛容量的可能性表示為P=POS{Dk+1^qk}，很明顯P值越大該車能夠完成下一任務(wù)的可能性越大。在此，令W，1])表示決策者主觀偏好值。當！3》P*時，該車繼續(xù)完成下一運輸任務(wù)；若P<P*，該車返回車場，新派車完成剩余運輸任務(wù)。根據(jù)決策者主觀偏好值P*來動態(tài)調(diào)整人工魚的步長和感知范圍公式(6)。步驟7.局部最優(yōu)逃逸策略如果車輛的容量達到其限制水平，它必須回到服務(wù)中心恢復(fù)其正常容量后進行再服務(wù)。這時人工魚群算法通過采用鄰域搜索策略，以當前新的客戶點(Xadd，yadd)為圓心，以其到車場的距離為半徑在圓形范圍內(nèi)尋找能對新客戶點進行服務(wù)的在途車輛，即滿足式中，(xk,yk)為干擾發(fā)生時刻車輛k所在的位置，(X(l，y0)為車場的位置，從而得到能服務(wù)新客戶點的在途車輛集合。當所有在途車輛均無法為新客戶點服務(wù)時，則需從車場中增派車輛為其服務(wù)，而增派車輛從車場到達新客戶點。本發(fā)明的有益效果VRPB問題的車輛路徑隨著節(jié)點個數(shù)的增多，車輛的狀態(tài)轉(zhuǎn)移選擇將以幾何級數(shù)增加，這勢必帶來繁重的計算量，因此本發(fā)明提出改進的人工魚群算法來以處理這一海量計算問題。針對人工魚群算法運行后期搜索的盲目性較大、尋優(yōu)結(jié)果精度低的情況，提出了基于魚群感知范圍的人工魚群尋優(yōu)公式，將決策者主觀偏好與人工魚群算法仿生學原理結(jié)合，提高車輛路徑尋優(yōu)的搜索能力，使求解出的更加節(jié)省物流運輸成本，更具實用性。圖1為本發(fā)明中鄰域搜索示意圖。具體實施例方式一種基于車輛路徑規(guī)劃的改進人工魚群優(yōu)化方法，具體包括如下步驟步驟1.考慮到VRPB問題的特點，隨機生成初始規(guī)模的人工魚群。將t時期車輛的狀態(tài)用人工魚個體的狀態(tài)向量X=(Xi(t),i=1,2,…，F(xiàn)_number)表示，其中，i為車輛將要服務(wù)的節(jié)點，Xi(t)為當前車輛可載貨容量；目標函數(shù)Yi=F(XJt))決定人工魚當前所在位置的食物濃度；人工魚個體之間的距離表示為Cli,i+1=IlXi-XwIl；對于VRPB問題，需要將人工魚的初始位置放在起點和終點上，因為車輛只有從起點出發(fā)到達終點，或者從終點出發(fā)回到起點才是一個有效解。步驟2.自適應(yīng)的設(shè)定鄰域搜索范圍。t時期人工魚個體Xk的鄰域定義為Nk={Xk|dk,k+1<Visual}，其中Visual表示人工魚的感知范圍。其中鄰域半徑Rn的確定非常關(guān)鍵，如果太大不足以發(fā)現(xiàn)一些重要個體，如果太小會形成局部極值點，降低算法搜索速度。引入魚群感知范圍一排斥區(qū)、中性區(qū)和吸引區(qū)的概念，如圖1所示(用極坐標(r，α)表示客戶地址)。假設(shè)人工魚的鄰域距離為R1，在這個距離之內(nèi)的其他魚對此魚有排斥作用；鄰域距離在R1和R2之間為中性區(qū)域，在這個范圍內(nèi)的其他魚對此魚的作用可能為排斥，也可能為吸引；鄰域距離&和R3之間的區(qū)域為吸引區(qū)，在此區(qū)域的其他魚對此魚有吸引作用；距離R3之外不屬于魚的感知范圍。步驟3.自適應(yīng)的覓食行為。在基本人工魚群算法中，人工魚不能改變運動方向。如圖1所示，α，β為速度向量與兩個坐標軸的方向角，根據(jù)式(1)分別確定參數(shù)ak(t)，^k(t)的值決定人工魚群下一步的移動方向。引入交換序操作符“”重構(gòu)人工魚群算法的覓食公式(2)，這樣就擴大了人工魚群算法的搜索范圍，能夠有效地避免傳統(tǒng)人工魚群算法“早熟收斂”的缺點。式中Xjk、Xik和Xi(k+1)為當前車輛的載貨量，rand()表示間的隨機數(shù)，Step為進化代數(shù)。步驟4.聚群行為。將車輛剩余裝載能力引入到人工魚群算法的啟發(fā)信息中，用人工魚當前狀態(tài)為Xi表示車輛訪問過節(jié)點i后的裝載量，Xck表示整個人工魚群的中心位置，即車輛要訪問的下一個節(jié)點以及后續(xù)節(jié)點集的裝載量，Y=F(XiW)表示為人工魚當前所在位置的食物濃度，如果Yc/δ>Υ,(δ>1)表明伙伴中心位置有較多食物且不太擁擠，則按(3)式向服務(wù)中心節(jié)點位置移動，否則執(zhí)行覓食行為。步驟5.追尾行為。設(shè)人工魚群當前鄰域內(nèi)伙伴Xmax的位置最優(yōu)，最優(yōu)值為Ymax>Yi，表明伙伴Xmax具有較高的食物濃度并且不太擁擠，則按(4)式向伙伴Xmax前進一步，否則執(zhí)行覓食行為。步驟6.引入決策者主觀偏好，已知每輛車的運輸能力為C，車輛服務(wù)k個節(jié)點后其總運載量為Dk=^D1，車輛k剩余運載能力^即qk是一個三角模糊數(shù)，下一節(jié)點需求量小于車輛剩余運輸能力可能性為車輛服務(wù)時通過對比自身剩余空間qk和待服務(wù)節(jié)點k+Ι的需求Dk+1，得出k點的置信水平，來確定該車輛是否有能力繼續(xù)服務(wù)。對下一節(jié)點需求量小于剩余車輛容量的可能性表示為P=POS{Dk+1^qk}，很明顯P值越大該車能夠完成下一任務(wù)的可能性越大。在此，令W，1])表示決策者主觀偏好值。當！3》P*時，該車繼續(xù)完成下一運輸任務(wù)；若P<P*，該車返回車場，新派車完成剩余運輸任務(wù)。根據(jù)決策者主觀偏好值P*動態(tài)調(diào)整T時刻人工魚感知范圍和步長公式(6)。步驟7·局部最優(yōu)逃逸策略如果車輛的容量達到其限制水平，它必須回到服務(wù)中心恢復(fù)其正常容量后進行再服務(wù)。這時人工魚群算法通過采用鄰域搜索策略，以當前新的客戶點(Xadd，yadd)為圓心，以其到車場的距離為半徑在圓形范圍內(nèi)尋找能對新客戶點進行服務(wù)的在途車輛，即滿足(7)式中，(xk,yk)為干擾發(fā)生時刻車輛k所在的位置，(X(l，y0)為車場的位置，從而得到能服務(wù)新客戶點的在途車輛集合。當所有在途車輛均無法為新客戶點服務(wù)時，則需從車場中增派車輛為其服務(wù)，而增派車輛從車場到達新客戶點。權(quán)利要求一種基于車輛路徑規(guī)劃的改進人工魚群優(yōu)化方法，其特征在于該方法包括如下步驟步驟1.隨機生成初始規(guī)模的人工魚群，將t時期車輛的狀態(tài)用人工魚個體的狀態(tài)向量X＝(Xi(t)，i＝1，2，…，F(xiàn)_number)表示，其中，i為車輛將要駛離的節(jié)點，Xi(t)為當前車輛的可支配貨容量；目標函數(shù)Y決定人工魚當前所在位置的食物濃度，Y＝F(Xi(t))；人工魚個體之間的距離表示為di，i+1＝‖Xi-Xi+1‖；步驟2.自適應(yīng)的設(shè)定鄰域搜索范圍t時期人工魚個體Xk的鄰域定義為Nk＝{Xk|dk，k+1＜Visual}，Visual表示人工魚的感知范圍；設(shè)人工魚的鄰域距離為R1，在R1距離之內(nèi)的其他魚對此魚有排斥作用；鄰域距離在R1和R2之間為中性區(qū)域，在R1和R2之間范圍內(nèi)的其他魚對此魚的作用包括排斥和吸引；鄰域距離R2和R3之間的區(qū)域為吸引區(qū)，在R2和R3之間區(qū)域的其他魚對此魚有吸引作用；距離R3之外不屬于魚的感知范圍，其中R1＜R2＜R3；步驟3.自適應(yīng)的覓食行為設(shè)定α，β分別為速度向量與兩個坐標軸的方向角，根據(jù)式(1)分別確定參數(shù)αk(t)，βk(t)的值來決定人工魚群下一步的移動方向；引入交換序操作符“⊕”重構(gòu)人工魚群算法的覓食公式(2)，擴大人工魚群算法的搜索范圍；<mrow><msub><mi>&alpha;</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><msub><mi>N</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mfrac><munder><mi>&Sigma;</mi><mrow><mi>j</mi><mo>&Element;</mo><msub><mi>N</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></munder><msub><mi>&alpha;</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><msub><mi>&beta;</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><msub><mi>N</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mfrac><munder><mi>&Sigma;</mi><mrow><mi>j</mi><mo>&Element;</mo><msub><mi>N</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></munder><msub><mi>&beta;</mi><mi>j</mi></msub><mrow><mo>(</mo><mi>t</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>Xi(k+1)＝αk(t)Xik⊕βk(t)rand(Step)(Xjk-Xik)/‖Xj-Xi‖Yj＞Yi(2)式中Xjk、Xik和Xi(k+1)為當前車輛的載貨量，rand()表示間的隨機數(shù)，Step為進化代數(shù)；步驟4.聚群行為將車輛剩余裝載能力引入到人工魚群算法的啟發(fā)信息中，用人工魚當前狀態(tài)為Xi表示車輛訪問過節(jié)點i后的裝載量，Xck表示整個人工魚群的中心位置，即車輛要訪問的下一個節(jié)點以及后續(xù)節(jié)點集的裝載量，Y＝F(Xi(t))表示為人工魚當前所在位置的食物濃度，如果Yc/δ＞Yi(δ＞1)表明伙伴中心位置有較多食物且不太擁擠，δ表示擁擠度因子，則按(3)式向服務(wù)中心節(jié)點位置移動，如果YC/δ≤Yi(δ＞1)，則執(zhí)行覓食行為；<mrow><msub><mi>X</mi><mi>i</mi></msub><mo>=</mo><msub><mi>X</mi><mi>i</mi></msub><mo>+</mo><mi>rand</mi><mrow><mo>(</mo><mo>)</mo></mrow><mi>Step</mi><mfrac><mrow><msub><mi>X</mi><mi>ck</mi></msub><mo>-</mo><msub><mi>X</mi><mi>i</mi></msub></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>X</mi><mi>ck</mi></msub><mo>-</mo><msub><mi>X</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>步驟5.追尾行為設(shè)人工魚群當前鄰域內(nèi)伙伴Xmax的位置最優(yōu)，最優(yōu)值如果Ymax＞Yi，表明伙伴Xmax具有較高的食物濃度并且不太擁擠，則按(4)式向伙伴Xmax前進一步，如果Ymax≤Yi則執(zhí)行覓食行為；<mrow><msub><mi>X</mi><mi>i</mi></msub><mo>=</mo><msub><mi>X</mi><mi>i</mi></msub><mo>+</mo><mi>rand</mi><mrow><mo>(</mo><mo>)</mo></mrow><mi>Step</mi><mfrac><mrow><msub><mi>X</mi><mi>max</mi></msub><mo>-</mo><msub><mi>X</mi><mi>i</mi></msub></mrow><mrow><mo>|</mo><mo>|</mo><msub><mi>X</mi><mi>max</mi></msub><mo>-</mo><msub><mi>X</mi><mi>i</mi></msub><mo>|</mo><mo>|</mo></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>步驟6.車輛服務(wù)k個節(jié)點后其總運載量為車輛k剩余運載能力即qk是一個三角模糊數(shù)，C為每輛車的運輸能力，下一節(jié)點需求量小于車輛剩余運輸能力可能性為p；<mrow><mi>p</mi><mo>=</mo><mi>pos</mi><mo>{</mo><msub><mi>d</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&le;</mo><msub><mi>q</mi><mi>k</mi></msub><mo>}</mo><mo>=</mo><mi>sup</mi><mo>{</mo><mi>min</mi><mo>{</mo><msub><mi>&mu;</mi><msub><mi>q</mi><mrow><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>,</mo><msub><mi>&mu;</mi><msub><mi>q</mi><mi>k</mi></msub></msub><mrow><mo>(</mo><mi>y</mi><mo>)</mo></mrow><mo>}</mo><mi>x</mi><mo>&le;</mo><mi>y</mi><mo>}</mo></mrow><mrow><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo><msub><mi>d</mi><mrow><mn>2</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&le;</mo><msub><mi>q</mi><mrow><mn>2</mn><mi>k</mi></mrow></msub></mtd></mtr><mtr><mtd><mfrac><mrow><msub><mi>q</mi><mrow><mn>3</mn><mi>k</mi></mrow></msub><mo>-</mo><msub><mi>d</mi><mrow><mn>1</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub></mrow><mrow><mrow><mo>(</mo><msub><mi>q</mi><mrow><mn>3</mn><mi>k</mi></mrow></msub><mo>-</mo><msub><mi>q</mi><mrow><mn>2</mn><mi>k</mi></mrow></msub><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><msub><mi>d</mi><mrow><mn>2</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>d</mi><mrow><mn>1</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow></mrow></mfrac><mo>,</mo><msub><mi>d</mi><mrow><mn>2</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&GreaterEqual;</mo><msub><mi>q</mi><mrow><mn>2</mn><mi>k</mi></mrow></msub><mo>,</mo><msub><mi>d</mi><mrow><mn>1</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&le;</mo><msub><mi>q</mi><mrow><mn>3</mn><mi>k</mi></mrow></msub></mtd></mtr><mtr><mtd><mn>1</mn><mo>,</mo><msub><mi>d</mi><mrow><mn>1</mn><mo>,</mo><mi>k</mi><mo>+</mo><mn>1</mn></mrow></msub><mo>&GreaterEqual;</mo><msub><mi>q</mi><mrow><mn>3</mn><mi>k</mi></mrow></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>通過對比自身剩余空間qk和待服務(wù)節(jié)點k+1的需求Dk+1，得出k點的置信水平，來確定該車輛是否有能力繼續(xù)服務(wù)；對下一節(jié)點需求量小于剩余車輛容量的可能性表示為P＝pos{Dk+1≤qk}，P值越大該車能夠完成下一任務(wù)的可能性越大；當P≥P*時，該車繼續(xù)完成下一運輸任務(wù)，若P＜P*，該車返回車場，新派車完成剩余運輸任務(wù)，P*(P*∈)表示決策者主觀偏好值；根據(jù)決策者主觀偏好值P*動態(tài)調(diào)整T時刻人工魚的步長和感知范圍公式(6)；<mrow><mfencedopen='{'close=''><mtable><mtr><mtd><mi>Step</mi><mo>=</mo><mi>Step</mi><mo>&times;</mo><msup><mi>P</mi><mo>*</mo></msup><mo>+</mo><msub><mi>Step</mi><mi>min</mi></msub></mtd></mtr><mtr><mtd><mi>Visual</mi><mo>=</mo><mi>Visual</mi><mo>&times;</mo><msup><mi>P</mi><mo>*</mo></msup><mo>+</mo><msub><mi>Visual</mi><mi>min</mi></msub></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>步驟7.局部最優(yōu)逃逸策略；如果車輛的容量達到其限制水平，則回到服務(wù)中心恢復(fù)其正常容量后進行再服務(wù)；通過采用鄰域搜索策略，以當前新的客戶點(xadd，yadd)為圓心，以其到車場的距離為半徑在圓形范圍內(nèi)尋找能對新客戶點進行服務(wù)的在途車輛，即滿足<mrow><msqrt><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>k</mi></msub><mo>-</mo><msub><mi>x</mi><mi>add</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>y</mi><mi>k</mi></msub><mo>-</mo><msub><mi>y</mi><mi>add</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>&le;</mo><msqrt><msup><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>-</mo><msub><mi>x</mi><mi>add</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msub><mi>y</mi><mn>0</mn></msub><mo>-</mo><msub><mi>y</mi><mi>add</mi></msub><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>式中，(xk，yk)為干擾發(fā)生時刻車輛k所在的位置，(x0，y0)為車場的位置，從而得到能服務(wù)新客戶點的在途車輛集合；當所有在途車輛均無法為新客戶點服務(wù)時，則需從車場中增派車輛為其服務(wù)。FSA00000163733800023.tif,FSA00000163733800024.tif全文摘要本發(fā)明涉及一種基于車輛路徑規(guī)劃的改進人工魚群優(yōu)化方法?，F(xiàn)有的算法計算量大、耗時長。本發(fā)明將人工魚群算法仿生學原理和決策者主觀偏好進行有效結(jié)合，對人工魚群算法進行改進，引入魚群感知范圍的概念一排斥區(qū)、中性區(qū)和吸引區(qū)重構(gòu)了人工魚群算法的尋優(yōu)公式；通過判斷車輛路徑上節(jié)點的需求量和當前車輛剩余運輸能力，以及決策者主觀偏好的角度對人工魚的移動步長、視野范圍和鄰域值進行動態(tài)調(diào)整，以提高人工魚群算法的全局搜索能力和搜索速度。最終應(yīng)用改進的人工魚群算法優(yōu)化車輛的取、送貨行為，完成可回程取貨車輛路徑調(diào)度問題。本發(fā)明在計算精度和穩(wěn)定方面優(yōu)于遺傳算法、模擬退火算法等傳統(tǒng)優(yōu)化算法，具有良好的尋優(yōu)能力。文檔編號G06N3/00GK101866384SQ20101020404公開日2010年10月20日申請日期2010年6月18日優(yōu)先權(quán)日2010年6月18日發(fā)明者柳毅,王曉耘,魏潔申請人:杭州電子科技大學