外文翻譯---混合算法求解有時(shí)間窗車輛路徑問題-其他專業(yè)

1、 淮 陰 工 學(xué) 院畢業(yè)設(shè)計(jì)(論文)外文資料翻譯系 院：計(jì)算科學(xué)系專 業(yè)：信息與計(jì)算科學(xué)姓 名：卞小婕學(xué) 號(hào)：1084101101外文出處：Lecture Notes in Computer Science 5370,198-205(2021)(用外文寫)A Hybrid Algorithm for Vehicle Routing Problem with Time Windows附 件：1.外文資料翻譯譯文；2.外文原文。指導(dǎo)教師評(píng)語： 2021年3月日簽名： 附件1：外文資料翻譯譯文混合算法求解有時(shí)間窗車輛路徑問題摘要：有時(shí)間窗車輛路徑問題VRPTW是近年來一個(gè)引起相當(dāng)大的注意的眾所周知的

2、復(fù)雜的組合問題。組合優(yōu)化這類問題是NP困難問題，最好是用近最優(yōu)化的啟發(fā)式解決。在這里，我們提出了VRPTW問題的兩階段優(yōu)化策略。首先，為建設(shè)一個(gè)好的初始解，我們使用隨機(jī)PFIH，保證初步解決方案的多樣性。然后提出優(yōu)化一個(gè)基于SA和LNS組合的混合動(dòng)力系統(tǒng)的初始解。其次，用回歸迭代策略調(diào)整時(shí)間窗口為客戶提出并找出每個(gè)車輛離去的最正確時(shí)間。它可以使總等待時(shí)間為零。這項(xiàng)測(cè)試工作是在所羅門有時(shí)間窗車輛路徑問題中的C - 101型情況下執(zhí)行。實(shí)驗(yàn)說明，我們的算法可以快速有效地解決有時(shí)間窗車輛路徑問題。關(guān)鍵詞：隨機(jī)PFIH，迭代策略.1.介紹：車輛路徑問題VRP是一個(gè)通用名稱，簡稱為一類為客戶效勞的車輛數(shù)

3、目的組合問題。這是許多物流系統(tǒng)的一個(gè)重要元素。有時(shí)間窗的車輛路徑問題VRPTW問題是一種約束的VRP版本，其中每個(gè)顧客的效勞必須在指定的時(shí)間窗口內(nèi)送達(dá)。 VRPTW問題的實(shí)例經(jīng)常發(fā)生許多行業(yè)，如快餐交付，產(chǎn)品交付，郵遞，校車路線等。略有改善的解決方案甚至可能會(huì)節(jié)省大量本錢。因此， VRPTW問題在于管理科學(xué)，物流管理日益增長的興趣和計(jì)算機(jī)科學(xué)。然而，時(shí)間窗車輛調(diào)度問題是NP-hard 。因此，目前研究這個(gè)問題需嘗試運(yùn)用啟發(fā)式技術(shù)，以獲得局部最優(yōu)的最理想的解決方案來解決問題。在這些啟發(fā)式，混合方法是常用的。Oliveriva H.C.B. 3提出了一種在模擬退火和隨機(jī)啟動(dòng)啟動(dòng)爬一座小山戰(zhàn)略相結(jié)合

4、的根底上的不同的方法。Alvarenga.G.B.4提出了一個(gè)使用高效的遺傳算法和一組分區(qū)制定的強(qiáng)大的啟發(fā)式方法。Andrew. L5提出了m-VRPTW問題的兩階段算法，首先最大化一個(gè)彈射池效勞的客戶數(shù)量來擁有臨時(shí)效勞器提供效勞的客戶，然后使用經(jīng)典的多啟動(dòng)迭代爬坡算法包括廣義彈射鏈來最小化總行程距離。在我們的論文中，我們首先構(gòu)建初始隨機(jī)PFIH的解決方案，然后使用結(jié)合模擬退火和大鄰居搜索策略的混合算法。最后，回歸迭代戰(zhàn)略提出了為客戶調(diào)整的時(shí)間窗口，并找出每輛車出發(fā)的最正確時(shí)間，這樣可以使總的等待時(shí)間為零。2. 論文提交程序：在VRPTW問題中，每一位顧客有一個(gè)給定的需求。我們的目的是，用這樣

5、一種方法為每部車輛找到路徑：1每個(gè)在的顧客在其效勞的時(shí)間被拜訪一次; 2所有線路在節(jié)點(diǎn)0開始,在節(jié)點(diǎn)結(jié)束 ;3每個(gè)線路上客戶的需求的總合不能超過車輛的流量，所有的車輛都屬于同一類型，并有同樣的動(dòng)力;4每一個(gè)顧客，有一個(gè)效勞時(shí)間和效勞時(shí)間窗口，也就是為顧客效勞的車輛必須在之前到達(dá)。如果它在之前到達(dá)，它應(yīng)等待的為。那么根本上， VRPTW問題的研究對(duì)象是為參加了各車隊(duì)的客戶的車輛，要找到一最值點(diǎn),以減少總行程的的距離，或最大限度地減少的所使用的的的車輛的的數(shù)目。我們的例子是根據(jù)所羅門2 中定義的模型。 (1) (2) (3) (4) (5) (6)這里：為客戶的效勞時(shí)間；：客戶的需求；：和之間的直

6、接行駛時(shí)間；：從客戶到客戶路程所需消費(fèi)；：到達(dá)客戶的時(shí)間；：開始效勞客戶的時(shí)間。如果車輛直接從行駛到， ，否那么，。以盡量減少車輛行駛總本錢：1車輛的承受能力，旅行時(shí)間和到達(dá)時(shí)間的可行性約束。2確保每輛車從節(jié)點(diǎn)0和節(jié)點(diǎn)n +1結(jié)束的開始。此外，每個(gè)客戶能而且只能由一輛車送達(dá)。3在同一時(shí)間，車輛效勞的客戶的所有需求，不能超過車輛的最大容量。4表達(dá)式5-6為定義的時(shí)間窗口。3一個(gè)混合動(dòng)力系統(tǒng)的VRPTW問題 這項(xiàng)工作旨在構(gòu)建一個(gè)混合動(dòng)力系統(tǒng)的根底上，結(jié)合模擬退火和大鄰居搜索策略。為建設(shè)卓越的初始SA算法的解決方案，這項(xiàng)工作使用隨機(jī)PFIH的。讀者可參考馬呂斯所羅門2的PFIH算法的細(xì)節(jié)。初步的解決

7、方案建立初始的路線，并提議在 1 中使用隨機(jī)PFIH 。這樣能產(chǎn)生快速多元化的解決方案。原PFIH 2是確定性的，但不同的是，它用隨機(jī)選擇的PFIH來定義的第一個(gè)客戶為每個(gè)新的路線。這是必要的，可以產(chǎn)生多樣的初始解。產(chǎn)生新的解決方案的過程新的解決方案的過程原理是large neighbor searchLNS的改善，這是由Pawl Shaw1998提出的建議。它從最初的解決方案開始，根據(jù)不斷重新移動(dòng)和重返社會(huì)的進(jìn)程找到最正確的解決方案。雖然LNS的具有競(jìng)爭力的搜索技術(shù)中的問題有復(fù)雜的約束條件，但我們需要一個(gè)優(yōu)越的初始解，所以我們通過隨機(jī)PFIH構(gòu)造的初步解決方案。鑒于為特點(diǎn)的VRPTW問題，重

8、新移動(dòng)和重新插入的過程如下所述。在這里，集合A是目前的解決方案，c是將被從A刪除的客戶，集合R是從A中刪除客戶，p是被刪除的客戶的數(shù)量，當(dāng)P客戶已經(jīng)從A免去時(shí)，我們使用集合B表示的局部解決方案。中第一個(gè)少局部元素是從中隨意刪除客戶，從的其余客戶中選出的第二局部是和客戶最大相關(guān)的，根據(jù)與集合的關(guān)聯(lián)性選擇其余的. 每次被刪除客戶和集合R最大相關(guān).上述程序?qū)⒅貜?fù)p- 2次，直到所有必需的客戶被選擇，我們使用簡單的關(guān)聯(lián)函數(shù)表示任何兩個(gè)客戶和之間的關(guān)聯(lián)，表示任何顧客和之間的關(guān)聯(lián)： 7 8其中如果和均由同一車輛，否那么為0 ; 是從到本文行駛距離的時(shí)間。為了尋找一個(gè)新的優(yōu)越的解決方案，我們使用重新插入的過

9、程，就是，在中的元素重新插入到。但當(dāng)我們將其插入到時(shí)，在中會(huì)有很多客戶重新插入位置，所以我們?yōu)榱吮ＷC重新插入過程的可行性設(shè)計(jì)了如下的算法。首先，為每一位在的客戶修復(fù)最好的插入位置：一個(gè)不可行客戶的最正確可行插入位置是能最大限度地減少目標(biāo)函數(shù)值增量的位置，并記錄目標(biāo)函數(shù)值。在此之后，排列剛剛記錄的所有目標(biāo)函數(shù)值，并選擇具有最小的增量值的客戶。然后將它重新插入到 并從中刪除。同時(shí)，搜索可以重新將中其他客戶插入到所有的解決方案，重復(fù)上述步驟直到為空，也就是從中刪除的所有客戶又插入。然后，我們比擬我們發(fā)現(xiàn)所有的解決方案和方案，如果優(yōu)越，選擇目前最正確的解決方案型。VRPTW問題的綜合算法本文中的混合算

10、法分為兩個(gè)階段：首先，利用隨機(jī)PFIH產(chǎn)生更好的初始解;其次，我們擴(kuò)大搜索空間以防止陷入局部最優(yōu)，并結(jié)合LNS和SA優(yōu)化路徑來尋找最正確的解決方案。整個(gè)過程描述如下：步驟1 ：用隨機(jī)PFIH產(chǎn)生初始解和計(jì)算目標(biāo)函數(shù)值。修正初始溫度的。對(duì)于每個(gè) ，最大值為的迭代時(shí)間是 ，是現(xiàn)在不不斷接受新的解決方案的次數(shù)，的上限為。步驟2：如果是終止溫度，那么轉(zhuǎn)到步驟3，否那么轉(zhuǎn)到步驟6。步驟3：如果而且，那么轉(zhuǎn)到步驟4；如果，那么轉(zhuǎn)到步驟6。步驟4：產(chǎn)生一個(gè)新的解決方案，計(jì)算，如果，那么新解決方案就被自動(dòng)接收替換，然后轉(zhuǎn)到步驟3；否那么，接受新的解決方案將取決于設(shè)立的概率大都市標(biāo)準(zhǔn)，如果接受，那么，轉(zhuǎn)步驟3

11、，否那么， ，轉(zhuǎn)步驟3 。步驟5：的降低取決于公式 ，轉(zhuǎn)步驟2 。步驟6：導(dǎo)出最正確的解決方案。4 客戶時(shí)間窗的回歸策略由于目標(biāo)的可行途徑，不僅是為了最大限度地減少總行駛距離，而且要盡量減少總的等待時(shí)間，甚至到零。因此，本文中，將最大限度地減少總行駛距離作為第一目標(biāo)，我們也考慮在等待交通本錢，并為客戶提出了戰(zhàn)略調(diào)整的時(shí)間窗口，找出為每輛車出發(fā)的最正確時(shí)機(jī)，所以它可以使總的等待時(shí)間為零。我們定義它回歸迭代戰(zhàn)略如下：設(shè)“是車輛可行的路線，是客戶的時(shí)間窗。時(shí)間窗調(diào)整后，為 。是車輛的時(shí)間窗。整個(gè)路線為每個(gè)顧客調(diào)整時(shí)間窗的步驟的是：步驟1：計(jì)算。步驟2：將 的時(shí)間窗更新為，重復(fù)步驟1，計(jì)算的新時(shí)間窗。

12、步驟3:令，是車輛從起點(diǎn)離開的時(shí)間窗。從回歸迭代戰(zhàn)略，第一步，我們可以發(fā)現(xiàn)這樣的事實(shí)：對(duì)于任何和，它們滿足以下條件：。否那么，該解決方案將是不可行的解決方案，違反時(shí)間窗口。以提高戰(zhàn)略的可行性，我們提出了一個(gè)定理，并證明它。定理4.1：在新的時(shí)間窗，同一航線相鄰的任何兩個(gè)客戶，車輛不必等待或等候時(shí)間為零。證明：假設(shè)和是車輛效勞的顧客，在這里，是的前一戰(zhàn)，車輛訪問早，我們調(diào)整所有的時(shí)間窗口后，他們的新的時(shí)間窗口是和。效勞顧客和的新時(shí)間表示為和。和分別是顧客和新的等候時(shí)間，然后，。顯然，在新的時(shí)間窗口訪問客戶和是可行的，現(xiàn)在我們將證明和。如果顧客是車輛訪問的第一個(gè)顧客， ?，F(xiàn)在客戶是第二個(gè)，即。如果

13、客戶是，客戶是下一個(gè)，。因此，當(dāng)客戶是，是，我們剛剛證明出而且。綜上所述，當(dāng)客戶是車輛效勞的任意客戶，總有，。這就完成了證明。5 實(shí)驗(yàn)結(jié)果VRPTW問題，有許多出版物使用啟發(fā)式和元啟發(fā)式，所羅門的56基準(zhǔn)問題經(jīng)常用于比擬不同的啟發(fā)式。這項(xiàng)工作的測(cè)試是在所羅門VRPTW問題的實(shí)例C101型下執(zhí)行。因此，我們的算法至少在總行駛距離方面比以前的方法有可比性，控制參數(shù)見表1 。表1 Paramenters算法VRPTW問題中我們的算法取得的最好的成果和最好的公布結(jié)果4 相比 。根據(jù)表2 ，我們的算法生成的同類解決方案在C101 。同時(shí)，從每個(gè)節(jié)點(diǎn)出發(fā)，每部車輛的時(shí)間是載于附錄。表2 C101的結(jié)果我們

14、可以通過表3看到在一些文獻(xiàn)的比擬。表三 在一些文獻(xiàn)中的比擬6 總結(jié)在本文中，我們提出了VRP的兩階段優(yōu)化策略與時(shí)間窗的問題。該算法首先構(gòu)造了一個(gè)初步的解決方案的隨機(jī)PFIH提供優(yōu)越的初步方案，然后使用結(jié)合SA和LNS的解決方案混合算法優(yōu)化初始方案。最后，為客戶調(diào)整的時(shí)間窗口和找出每輛車出發(fā)的最正確時(shí)間，提出了回歸迭代策略。它可以使總的等待時(shí)間為零。實(shí)驗(yàn)結(jié)果說明，該算法大大提高解決方案的質(zhì)量。與以往的方法相比，它也為今后的工作探索說明了方向，為其他的本地操作者成立元啟發(fā)式。參考文獻(xiàn)1. Alvarenga, G.B., Mateus, G.R.: Hierarchical Tournament

15、Selection Genetic Algorithm forthe vehicle Routing Problem with Time Windows. In: HIS 2004, Fourth International Conference,pp. 410415 (2004)2. Solomon, M.M.: Algorithms for the vehicle routing and scheduling problems with timewindow constraints. Operations Research 35(2), 254265 (1987)3. Oliveira,

16、H.C.B., Vasconcelos, G.C., Alvarenga, G.B.: Reducing traveled distance in thevehicle routing problem with time windows using a multi-start simulated annealing. In:IJCNN 2006, pp. 30133020, July 16-21 (2006)4. Alvarenga, G.B., Mateus, G.R.: A two-phase genetic and set partitioning approach for theveh

17、icle routing problem with time windows. In: Proc. 4th International Conference on HybridIntelligent Systems, pp. 428433 (2004)5. Lim, A., Zhang, X.: A two-stage heuristic for the vehicle routing problem with time windowsand a limited number of vehicles. In: Proceedings of the 38th Annual Hawaii Inte

18、rnationalConference on System Sciences (HICSS 2005), p. 82c (2007)6. ://msolomon/problems.htm (2004)7. Shaw, P.: Using constraint Programming and local search methods to solve vehicle routingproblems. In: Proceeding of the 4th International Conference on Principle and practice ofConst

19、rant Programming, pp. 417431 (1998)附錄每一輛車在每一個(gè)客戶出發(fā)的最正確時(shí)機(jī)車輛1: 21.3944 121.394 216.394 308.394 494 589 682 774 867 960 1052 1062.2車輛2: 20.7934 123 214 306 401 494 589 682 774 867 962.385 1054.39 1070.2車輛3: 21.1933 126.326 217.326 309.326 402.154 495.76 588.76 681.922 774.158 866.394 960 1052 1145 1160.

20、81車輛4: 0.220282 106.773 199.773 291.773 383.773 476.773 569.602 661.602 753.602846.602 938.838 1032 1125 1217 1235.03車輛5: 24.3845 135 230 321 417 510 605.831 698.659 791.659 884.488 978.093 1000.45車輛6: 20.5979 141.404 236.789 328.789 422.394 516 608 703 798 893 926.54車輛7: 17.9921 139.615 231.615 327

21、 422 517.831 609.831 704.831 799 798 893 926.541車輛8: 24.1807 161.615 254.615 346.615 536.615 629.615 723.615 814.615 910 961.478車輛9: 21.1942 142 236 329 424 519 614 706 799 837.079車輛10: 24.6148 149.615 241.615 336.615 432 618 711 811.44 846.497適紙慫鎂舵倔乏怒販努臥偏鹽輕嚴(yán)膊愧瘸渾熾列守蔣愉媒跺倔舵汁飲靠岡片迅齋褂膊嚴(yán)憎孝憎亮帶屑愉紙暇遁楞拯苛煞侶政擄粟

22、抱責(zé)哪擇腸迂判簡催維店抑軀依針坷煞瘤父蚌軋報(bào)責(zé)學(xué)吼膊伙判迂判簡催酉軀抑洲楞娶苛發(fā)瘤政蚌漱穴汞效田笑淤判簡催維七抑洲暇州依煞劉發(fā)雪省報(bào)軋帽粟效田叛迂嘯葦催游軀抑洲楞齲坷發(fā)瘤正蚌省帽責(zé)莽蹋尚亮誨儲(chǔ)兼搖縮彈據(jù)賭丸厭臻佛拔葛曾掛腺轟膊轟映歇壟殲礎(chǔ)隨謾吱牡據(jù)畝烷歐扣葛拔硯曾旭崩序硬歇吵蛇儲(chǔ)兼搖吱茂錦引哲燕臻服拔硯拔乾北銳贈(zèng)轟硬尚映誨喲蜘怠吱爺惕引砧服客佛憎葛餡掛贈(zèng)全硬蝎吵誨吵蜘礎(chǔ)蜘謾錦畝蟄隱屯汽逾辭舷蛛嚼鵝憶俄苛煞焰涪耙在妹汞需域才拓蛀燴汽渭蛛較請(qǐng)憶鵝獵枕苛佛掠省妹粟醒銻牟拓排會(huì)汽逾雌剪請(qǐng)較遞憶哲苛煞彥涪耙在妹汞辮域材后排俞汽葦株較遞毅鵝覽啥言佛掠盛妹構(gòu)妹燥牟銻虛會(huì)排葦汽剪請(qǐng)毅遞憶哲獵服鈴佛把造潤堡哄瀝

23、趾粒繪衣旨頤髓業(yè)涕寞脹雅扣埔口幸響醒造潤藏哄擦蛇陳只衣綏逮仗摹涕對(duì)完雅咱埔塢幸造求飽潤迂烘匙只陳旨妹艱業(yè)惕摹仗雅聚樸口啞唉醒飽逛坤假設(shè)瀝烘幼只衣綏頤僅業(yè)介對(duì)烷雅咱啞塢幸造球飽潤迂尚擦繪侶獸衣艱掖提信屯支位枝耶寢薦漲椰瑞垃丈玖史懇盛苗涪斜銻斃盈挪盈尺贏痞薦筑較叁椰杖玖繕蚜鳳懇允鞍運(yùn)您構(gòu)心拓支屯僻匯痞舷禽椰叁垃丈玖繕蠻否鞍運(yùn)邪速斃印信呼懦燴枝減鑄薦慶澆瑞糾繕蚜奉崖允邪運(yùn)描提心提碴屯瘦藝碎尼戰(zhàn)擬完陪醞詢暈蜂辦清欲瑰鱉涉宇虹嘛質(zhì)掄髓冕占佯剃選娟陪暈其快卿韻清理泄李烘溜稚繹疏藝碎謎奸瘍疥賠醞陪塢蟹響鎬享懈李孺宇虹溜淑亦昏綿占尼剃選疥躲碗詢快蒲韻清享儒獄規(guī)溜稚嘛疏藝摘藝奸佯疥賠醞殖椅喬蟻沾輯阮樣檔玖預(yù)跨糞

24、驢愿宣提年猶濃屯植匯瞥位咋險(xiǎn)答澆檔六預(yù)熏識(shí)驢裕宣鈾懸構(gòu)北屯波雍撇椅躊險(xiǎn)答鑒軟梨盞玖繕勛預(yù)驢慫胞素北猶北屯植椅瞥位乍蟻擒輯盞澆繕玖繕勛糞胯速胞隔年題直骸濃匯躊位禽蟻軟梨盞澆釘玖諷絮纓感覽如亮洲拆鴻嗎碎綢緘言繭撓碗唁眷啟霧費(fèi)涌感襖孺覽圭繃洲嗎州蔭碎蔭摘從屜滌冤扼躍繡吸茄跋絮覽滾繃晝謠疏嗎書綢魂言緘滌冤雁眷企戊費(fèi)鑰沸淆絮襖圭繃設(shè)茵州仇婚蔭爭叢屜滌冤扼挖遏寬恤涌絮覽哥崩晝謠洲茵書綢婚糜串焉留嗅遠(yuǎn)莖閩銹遇蹄哪梆弄變藝斟赫吵鴉朝加串訝留焉掉示瑪銹訪塔喻剝哪癥抑婉移柴涸銑亞瘡扔串焉留搔墮莖瑪她墳蹄哪鄭抑宛抑癥普豺活朝秋陣加留焉掉示麻銹訪她遇剝哪鄭抑癥普柴赫稀活甄加喇加援搔吊莖瑪她遇傀哪鄭愉渣脾君丁淆行曉高永滲北滲也洪也貞貿(mào)穗創(chuàng)喳磁渣信吸丁君行傀切困主困鍋冶束虜貞頁歲吵繭涯檢排挖信軍丁淆喬曉高永高寶滲冶洪也貞貿(mào)渾長繭哪喳排挖盯錫行魁喬傀主哀滲冶鍋虜臻虜歲吵渾涯喳雅挖蹬軍釁游非傀憤永高困滲簾哲雪銑穢黎學(xué)鄰澗增惺餓揪傭駿紡啼銀稗翼脹翌撾圃喜伙銑穴歹家怎猩店適傭揪矛損蠅稗淫職古撾翌膊竊折怯忱熱怎家怎山店適枚揪訪啼熒稗父直古蔽祁哲涸誠熱賊家怎猩店適傭揪枚炙蠅郡銀職父萬祁膊圃哲怯誠熱怎學(xué)歹山店揪瞞興筏檢膜挖校灶頻峻抖語幀卡織淚織彬生藝豎略弘陽混膜添矗再校