《表5 稳定计算结果：应用混合遗传算法的多集货中心多车型整车路径规划研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《应用混合遗传算法的多集货中心多车型整车路径规划研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证GA-PSO算法有效性，将GA-PSO与GA分别进算了十次。在两种算法中采用了相同的编码，初始种群大小设定为100，遗传算法中，交叉概率设定为0.8，变异概率设定为0.05。两种算法的最优解迭代图，如图4、图5所示。实验最优解在GA-PSO的341代中得到。两种算法的对比结果，举出了每次试验中的各算法最差值和平均值，如表5所示。通过比较两种算法，GA-PSO收敛速度更快，优化结果更好。最重要的是GA-PSO的运行时间只是GA的5%左右。实验表明，我们提出的GA-PSO算法具有更好的性能，可以快速的找到最优解或者近似最优解。为了充分验证此算法的有效性与效率，进行了多次实验。在下面这些测试案例中，模型和假设不变，测试算例的位置坐标仍然是随机生成。随着算例规模的增加（集货中心数量和订单数量），两种算法的运行时间差异愈发明显，如表6所示。