求解多车场车辆路径问题的帝国主义竞争算法与蚁群优化混合两阶段算法
神经与进化计算
2020-05-11 v1 人工智能
摘要
多车场车辆路径问题（MDVRP）是简单车辆路径问题（VRP）的现实世界模型，考虑如何从多个车场满足多个客户的需求。本文提出了一种基于两种基于种群的算法的混合两阶段方法——模拟自然界蚂蚁行为的蚁群优化（ACO）和基于国家间地缘政治关系的帝国主义竞争算法（ICA）。在所提出的混合算法中，ICA 负责将客户分配到车场，而 ACO 负责客户的路径规划与排序。该算法在 23 个常见的 Cordeau 基准实例上与非混合的 ACO 和 ICA 以及其他四种最先进的方法进行了比较。结果表明，相较于简单的 ACO 和 ICA 有明显改善，且与其他竞争算法相比展现出极具竞争力的结果。
引用
@article{arxiv.2005.04157,
title = {Hybrid 2-stage Imperialist Competitive Algorithm with Ant Colony Optimization for Solving Multi-Depot Vehicle Routing Problem},
author = {Ivars Dzalbs and Tatiana Kalganova},
journal= {arXiv preprint arXiv:2005.04157},
year = {2020}
}
备注
PPSN2020 Submission