基于混沌粒子群优化的新型VRP求解算法

J4 ›› 2012, Vol. 34 ›› Issue (12): 164-168.

基于混沌粒子群优化的新型VRP求解算法

于胜龙，薄煜明，陈志敏，吴盘龙，朱凯，尹明锋

（南京理工大学自动化学院，江苏南京 210094)

收稿日期:2011-12-06 修回日期:2012-03-08 出版日期:2012-12-25 发布日期:2012-12-25
基金资助:
国防重点预研资助项目(40405020201)；高等学校博士学科点专项科研基金资助课题（200802881017）；南京理工大学自主科研专项计划自主项目（2010ZYTS051）；南京理工大学紫金之星基金资助项目（AB41381）

Novel Chaos Based Particle Swarm Optimization Algorithm for the VRP Solution

YU Shenglong,BO Yuming,CHEN Zhimin,WU Panlong,ZHU Kai,YIN Mingfeng

(School of Automation,Nanjing University of Science and Technology,Nanjing 210094,China)

Received:2011-12-06 Revised:2012-03-08 Online:2012-12-25 Published:2012-12-25

摘要/Abstract

摘要：

标准粒子群优化算法（PSO）容易陷入局部最优，且精度较低、收敛速度慢，难以满足求解VRP的需求。本文提出了一种适用于求解VRP模型的新型混沌粒子群优化算法（CPSO）。该算法引入混沌序列，利用混沌对粒子的初始位置进行初始化，提高了样本的质量，并且对当前粒子附加混沌扰动，促使其跳出局部最优，提高了全局搜索能力，有利于在全局范围内寻找到最优值。实验结果表明，本文算法的收敛速度、精度及稳定性高于PSO算法，是一种有效的VRP求解算法。

关键词: 粒子群优化, 混沌, VRP, 扰动, 局部最优

Abstract:

Since the particle swarm optimization algorithm( PSO) is easily trapping in local optimum,has low precision and slow convergence rate, thus it is difficult to satisfy the requirement of the VRP solution.To solve these problems,a novel algorithm based on chaos particle swarm (CPSO) is proposed in this paper.This algorithm introduces chaos sequence and initializes the initial position of particles by using chaos. Accordingly,the sample quality is improved,and the chaos perturbation of the current particles conduces to avoiding local optimization,as a result of which the global searching ability is improved and it is advantageous for seeking the optimal value within the global scope.The experimental results indicate that the algorithm in this paper has better convergence speed,precision and reliability than PSO and it is an effective algorithm for VRP solutions.

Key words: particle swarm optimization；chaos；VRP；perturbation；local optimum

于胜龙，薄煜明，陈志敏，吴盘龙，朱凯，尹明锋. 基于混沌粒子群优化的新型VRP求解算法[J]. J4, 2012, 34(12): 164-168.

YU Shenglong,BO Yuming,CHEN Zhimin,WU Panlong,ZHU Kai,YIN Mingfeng. Novel Chaos Based Particle Swarm Optimization Algorithm for the VRP Solution[J]. J4, 2012, 34(12): 164-168.

[1]	申晓宁, 徐继勇, 毛鸣健, 陈文言, 宋丽妍, . 基于双指标分组学习粒子群算法的动态敏捷软件项目调度[J]. 计算机工程与科学, 2024, 46(10): 1793-1806.
[2]	戴春雨, 马廉洁, 蒋涵存, 李红双. 基于多种策略改进的鲸鱼优化算法[J]. 计算机工程与科学, 2024, 46(09): 1635-1647.
[3]	陈心怡, 张孟健, 王德光. 基于Fuch映射的改进白鲸优化算法及应用[J]. 计算机工程与科学, 2024, 46(08): 1482-1492.
[4]	王堃, 李少波, 何玲, 周鹏. 基于改进北方苍鹰优化随机配置网络的网络流量预测模型[J]. 计算机工程与科学, 2024, 46(07): 1245-1255.
[5]	牛士铭, 薛茹, 丁聪. 基于改进型3D_Henon混沌映射的彩色图像加密方法[J]. 计算机工程与科学, 2024, 46(04): 657-666.
[6]	刘振超, 苑迎春, 王克俭, 何晨. 融合特征权重与改进粒子群优化的特征选择算法[J]. 计算机工程与科学, 2024, 46(02): 282-291.
[7]	李江华, 王鹏晖, 李伟. 一种混合多策略改进的麻雀搜索算法[J]. 计算机工程与科学, 2024, 46(02): 303-315.
[8]	刘琰, 张姣, 姜胜腾, 潘筱茜, 赵海涛, 魏急波. 一种多策略融合的人工蜂鸟算法[J]. 计算机工程与科学, 2023, 45(12): 2216-2225.
[9]	周施吉, 唐孝, 赵容乐, 梁艳玲, . 基于扰动优势关系的直觉模糊三支决策方法[J]. 计算机工程与科学, 2023, 45(11): 2027-2035.
[10]	许文俊, 王锡淮. 基于变尺度黑洞和种群迁徙的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(11): 2036-2046.
[11]	张文宁, 周清雷, 焦重阳, 梅亮. 融入重心反向学习和单纯形搜索的粒子群优化算法[J]. 计算机工程与科学, 2023, 45(09): 1629-1638.
[12]	胡春安, 熊昱然. 多策略改进的混沌哈里斯鹰优化算法[J]. 计算机工程与科学, 2023, 45(09): 1648-1660.
[13]	彭坤彦, 尹翔, 刘笑竹, 李恒宇. 基于粒子群优化和深度强化学习的策略搜索方法[J]. 计算机工程与科学, 2023, 45(04): 718-725.
[14]	邓文博, 刘帅, 刘福才, 黄茹楠. 基于压缩感知和DNA编码的图像加密算法[J]. 计算机工程与科学, 2022, 44(09): 1574-1582.
[15]	张洁, 徐龙昊, 尹宝全, . 有源磁控忆阻超混沌电路实现及图像加密[J]. 计算机工程与科学, 2022, 44(08): 1392-1401.