[论文解读] A Genetic Algorithm for the Multi-Pickup and Delivery Problem with time windows

Imen Harbaoui Dridi, Ryan Kammarti+2 more|arXiv (Cornell University)|Sep 25, 2010

Advanced Manufacturing and Logistics Optimization被引用 7

一句话总结

本文提出一种遗传算法（GA）来求解带时间窗的多 pickup 与配送问题（m-PDPTW），该问题为涉及优先级、容量和时间约束的复杂车辆路径问题。该方法采用定制化的染色体编码来表示路径，并最小化总行驶距离与成本，通过基准实例的计算实验验证了其有效性。

ABSTRACT

In This paper we present a genetic algorithm for the multi-pickup and delivery problem with time windows (m-PDPTW). The m-PDPTW is an optimization vehicles routing problem which must meet requests for transport between suppliers and customers satisfying precedence, capacity and time constraints. This paper purposes a brief literature review of the PDPTW, present our approach based on genetic algorithms to minimizing the total travel distance and thereafter the total travel cost, by showing that an encoding represents the parameters of each individual.

研究动机与目标

• 为解决带时间窗的多 pickup 与配送问题（m-PDPTW），该问题为涉及优先级、容量与时间约束的车辆路径问题复杂变体。
• 开发一种遗传算法，以最小化 m-PDPTW 实例中的总行驶距离，从而最小化总行驶成本。
• 设计一种染色体编码方案，以有效表示满足正确优先级与时间窗约束的可行解。
• 在基准实例上评估所提 GA 的性能，证明其在求解大规模 m-PDPTW 问题方面的有效性。

提出的方法

• 采用自定义染色体表示法来编码路径，其中每个基因对应一个 pickup-delivery 对，并保持优先级约束。
• 算法采用标准遗传算子——选择、交叉与变异，经调整以在时间窗与容量约束下保持可行性。
• 基于总行驶距离定义适应度函数，并对违反时间窗或容量限制的不可行解施加惩罚。
• 采用稳态选择策略以维持种群多样性并提升收敛性。
• 解决方案表示确保每个配送仅在其对应取货之后发生，满足优先级约束。
• 在基准实例上进行计算实验，以解的质量与收敛速度评估算法性能。

实验结果

研究问题

• RQ1 如何有效调整遗传算法以处理 m-PDPTW 中的优先级、容量与时间窗约束？
• RQ2 何种染色体编码策略可确保 m-PDPTW 解的可行性和效率？
• RQ3 与现有方法相比，所提 GA 在多大程度上可减少总行驶距离与成本？
• RQ4 在不同规模与复杂度水平的实例上，该算法在解质量与收敛性方面表现如何？

主要发现

• 所提遗传算法成功生成满足所有优先级、容量与时间窗约束的可行解。
• 该算法显著降低了总行驶距离，直接转化为更低的总行驶成本。
• 定制化的染色体编码在进化过程中有效保持了解的可行性。
• 计算结果表明，该算法能在合理时间范围内收敛至高质量解。
• 在测试的基准实例上，该方法在解质量方面优于基线方法。
• 基于惩罚的适应度评估确保不可行解受到抑制，引导搜索朝向可行且最优的路径进行。