电子与信息学报
電子與信息學報
전자여신식학보
JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY
2011年
2期
429-434
,共6页
智能优化%进化算法%混合蛙跳算法%极值动力学优化%车辆路径问题%收敛性
智能優化%進化算法%混閤蛙跳算法%極值動力學優化%車輛路徑問題%收斂性
지능우화%진화산법%혼합와도산법%겁치동역학우화%차량로경문제%수렴성
该文提出基于实数编码模式的混合蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP);把具有极强局部搜索能力的幂律极值动力学优化(Power Law Extremal Optimization,τ-EO)融合于SFLA,针对CVRP对τ-EO过程进行设计和改进.改进的τ-EO采用新颖的组元适应度计算方法;采用幂律概率分布来挑选需要变异的组元;根据最邻近城市表,采用幂律概率分布挑选变异组元的最佳邻近城市,执行线路间或线路内的变异.求解测试库中的实例,证明该改进算法有效.
該文提齣基于實數編碼模式的混閤蛙跳算法(Shuffled Frog Leaping Algorithm,SFLA)求解容量約束車輛路徑問題(Capacitated Vehicle Routing Problem,CVRP);把具有極彊跼部搜索能力的冪律極值動力學優化(Power Law Extremal Optimization,τ-EO)融閤于SFLA,針對CVRP對τ-EO過程進行設計和改進.改進的τ-EO採用新穎的組元適應度計算方法;採用冪律概率分佈來挑選需要變異的組元;根據最鄰近城市錶,採用冪律概率分佈挑選變異組元的最佳鄰近城市,執行線路間或線路內的變異.求解測試庫中的實例,證明該改進算法有效.
해문제출기우실수편마모식적혼합와도산법(Shuffled Frog Leaping Algorithm,SFLA)구해용량약속차량로경문제(Capacitated Vehicle Routing Problem,CVRP);파구유겁강국부수색능력적멱률겁치동역학우화(Power Law Extremal Optimization,τ-EO)융합우SFLA,침대CVRP대τ-EO과정진행설계화개진.개진적τ-EO채용신영적조원괄응도계산방법;채용멱률개솔분포래도선수요변이적조원;근거최린근성시표,채용멱률개솔분포도선변이조원적최가린근성시,집행선로간혹선로내적변이.구해측시고중적실례,증명해개진산법유효.
