首页|求解多目标车辆路径优化的改进蚁群算法研究

求解多目标车辆路径优化的改进蚁群算法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对降低物流配送过程中产生的配送总成本和碳排放量这一研究目标,在带软时间窗和容量限制的车辆路径优化问题上,综合考虑了车辆载重、行驶速度和行驶距离等因素,提出了一种以配送总成本最低、碳排放量最少的多 目标车辆路径优化模型.并对该模型设计了改进蚁群算法来求解,算法首先在初始信息素的生成和路径转移规则等环节进行了改进,然后引入新的信息素更新公式和混沌扰动机制来更新路径上的信息素,最后利用研究算例对模型和算法进行测试,结果表明:多目标模型能更好的兼顾物流配送中的配送总成本和碳排放量,与经典蚁群算法相比,改进蚁群算法在配送总成本上平均节省了 6.5％、碳排放量上平均节省了 3.5％,验证了所提方法的有效性.
Research on Improved Ant Colony Algorithm for Multi-Objective Vehicle Path Optimization

Logistics DistributionImproved Ant Colony AlgorithmMultiple TargetVehicle Path OptimizationPheromone UpdateCarbon Emissio

陈高华、郗传松

展开 >

太原科技大学电子信息工程学院,山西太原 030024

物流配送 改进蚁群算法 多目标 车辆路径优化 信息素更新 碳排放

山西省重点研发计划项目

201903D121137

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.391(9)
  • 3
  • 10