-
公开(公告)号：CN119416871A
公开(公告)日：2025-02-11
申请号：CN202411288106.6
申请日：2024-09-13
Applicant: 桂林电子科技大学
IPC: G06N3/126 , G06Q10/047 , G06Q10/0835 , G06N5/01
Abstract: 最近，许多研究证明了解决具有不确定性数据的车辆路径问题时，通过自适应大邻域搜索策略来引导解的搜索方向以及多目标进化算法在邻域中进行解的选择，从而找到一组满足不确定环境约束下的最优解是可行的。然而，自适应大邻域搜索策略在求解后期会出现大量重复且无效操作使得方法效率降低。本发明提出了一种基于自适应禁忌大邻域搜索策略的鲁棒多目标进化方法，在该方法中，使用自适应禁忌大邻域搜索方法生成新一代解群体，利用禁忌列表减少算法后期重复操作的出现频率，将该方法结合蒙特卡洛模拟方法模拟出在确定分布下的车辆路径问题的若干个场景，并以此求解出具有鲁棒性的最优解群体，从而解决具有不确定性数据的车辆路径问题，如图1所示。最后，本发明在Solomon数据集上进行测试。结果表明在求解具有不确定性的车辆路径问题中，本方法具有有效性。
Search Results
1
records
(took 0.021 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
