典型文献
结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题
文献摘要：
针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneous-fleet vehicle routing problem with time windows,LMHFVPR TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition,EACO_CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows,LVRP_TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization,EACO)求解分解后的各子问题(LVRP_TW),进而获得原问题的解.EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search,TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.
文献关键词：
低能耗车辆路径问题;多车场多车型;时间窗;聚类分解;增强蚁群算法
中图分类号：
作者姓名：
胡蓉;李洋;钱斌;金怀平;向凤红
作者机构：
昆明理工大学信息工程与自动化学院 昆明650500;昆明理工大学云南省人工智能重点实验室 昆明650500;云南电力技术有限责任公司 昆明650051
文献出处：
引用格式：
[1]胡蓉;李洋;钱斌;金怀平;向凤红-.结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题)[J].自动化学报,2022(12):3006-3023
A类：
聚类分解,增强蚁群算法,多车场多车型,fleet,LMHFVPR,EACO,LVRP,TVNS,低能耗车辆路径问题
B类：
绿色车辆,时间窗,Low,energy,consumption,multi,depots,heterogeneous,vehicle,routing,problem,windows,TW,Enhanced,ant,colony,optimization,clustering,decomposition,CD,强约束,NP,Hard,控制问题,并合,合理引导,区域搜索,问题特点,means,单车,子问题,信息素挥发系数,数控,控制因子,动态调节,控制信息,全局搜索,搜索能力,邻域,两阶段,局部搜索,Two,stage,variable,neighborhood,search,增强算法,不同规模
AB值：
0.296701
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
