《表3 实验结果(MS):动态多目标优化研究综述》
车辆路径优化是现实生活中普遍存在的问题,旨在寻找满足等待时间最小、对环境污染最小等条件满足的路径.但是实际环境中存在很多时变因素,比如车辆发生故障、路况发生变化、服务客户动态出现等,因此实际生活中的路径优化是一种DMOP.2018年,郭一楠等人[84]提出了一种具有随机出现特性的动态客户的动态多目标车辆路径问题模型.除上述目标外,该模型还重点研究了导致环境污染的燃料消耗问题.通过分析负荷、行驶距离与油耗之间的关系,建立了碳排放模型,并将其作为优化目标.在现有的规划方法中,当新的服务需求出现时,就会触发全局车辆路径优化方法来寻找最优路径,这是一种非常费时的方法.为此,郭一楠等人提出了一种两阶段动态多目标车辆路径选择方法.该方法的三个亮点是:(1)第一阶段采用多目标粒子群优化方法为所有客户找到最优鲁棒虚拟路径,下一阶段将所有动态客户从鲁棒虚拟路径中剔除,形成静态客户的静态车辆路径;(2)动态出现的顾客根据其服务时间和车辆状态追加服务.只有在已经找到的静态路径中找不到适合新出现的动态客户的位置时,才会触发耗时的全局车辆路径优化.统计结果表明,该方法具有较好的稳定性和鲁棒性,但可能存在次优性.此外,随着动态客户的出现,避免了耗时的全局车辆路径优化.针对多车场问题,寻找更有效的鲁棒动态多目标车辆路径选择方法是作者下一步的工作.
图表编号 | XD00163173800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 刘若辰、李建霞、刘静、焦李成 |
绘制单位 | 西安电子科技大学智能感知与图像理解教育部重点实验室、西安电子科技大学智能感知与图像理解教育部重点实验室、西安电子科技大学智能感知与图像理解教育部重点实验室、西安电子科技大学智能感知与图像理解教育部重点实验室 |
更多格式 | 高清、无水印(增值服务) |