[论文解读] Integrating Fuzzy and Ant Colony System for Fuzzy Vehicle Routing Problem with Time Windows

Sandhya Bansal, Vijay Katiyar|arXiv (Cornell University)|Nov 14, 2014

Vehicle Routing Optimization Methods参考文献 24被引用 4

一句话总结

本文提出一种混合元启发式算法，结合模糊逻辑与蚁群系统（ACS），以解决具有时间窗的模糊车辆路径问题（FVRPTW），其中行驶时间具有不确定性，并通过信任理论进行建模。该方法使用偏好指数平衡解的质量与时间窗遵守程度，在不同时间跨度的基准实例上表现出色。

ABSTRACT

In this paper fuzzy VRPTW with an uncertain travel time is considered. Credibility theory is used to model the problem and specifies a preference index at which it is desired that the travel times to reach the customers fall into their time windows. We propose the integration of fuzzy and ant colony system based evolutionary algorithm to solve the problem while preserving the constraints. Computational results for certain benchmark problems having short and long time horizons are presented to show the effectiveness of the algorithm. Comparison between different preferences indexes have been obtained to help the user in making suitable decisions.

研究动机与目标

• 为解决物流领域中常见的现实挑战——具有不确定行驶时间的车辆路径问题（VRPTW）
• 使用信任理论对不确定行驶时间进行建模，从而实现基于偏好的时间窗满足度方法
• 将模糊逻辑与蚁群系统（ACS）相结合，开发一种稳健且约束保持的进化算法
• 评估不同偏好指数对解质量与时间窗遵守程度之间权衡的影响
• 在具有短时和长时间跨度的基准问题上，证明该算法的有效性

提出的方法

• 使用模糊集表示不确定行驶时间，并应用信任理论量化行驶时间落在时间窗内的可信度
• 引入偏好指数以平衡最小化总行驶成本与最大化时间窗遵守程度之间的权衡
• 对蚁群系统（ACS）进行改进以处理模糊参数，在模糊环境中使用信息素轨迹与启发式信息
• 在优化总成本与偏好指数的同时，保持硬性约束（如车辆容量、时间窗）
• 适应性目标函数结合总行驶成本与基于时间窗违规的惩罚项，惩罚项权重由偏好指数决定
• 在标准基准实例上开展计算实验，评估不同时间跨度与偏好水平下的性能表现

实验结果

研究问题

• RQ1 模糊逻辑与蚁群系统（ACS）的结合如何提升在具有不确定行驶时间的FVRPTW中的解质量？
• RQ2 不同偏好指数对成本最小化与时间窗遵守程度之间权衡的影响如何？
• RQ3 所提出的算法在不确定性条件下对时间窗约束的满足效果如何？
• RQ4 该算法在具有短时与长时间跨度的基准实例上的表现如何？
• RQ5 偏好指数能否作为决策工具，引导用户选择最优路径策略？

主要发现

• 所提出的混合模糊-ACS算法在不同偏好指数下，能有效平衡成本最小化与时间窗遵守程度
• 较高的偏好指数可提升时间窗遵守率，但代价是总行驶距离增加
• 该算法在短时与长时间跨度的基准实例上均表现出稳健性能，显示出良好的可扩展性
• 对比结果表明，偏好指数显著影响解质量，为用户提供可调节的参数以支持决策
• 将信任理论与ACS结合，可有效处理不确定性，同时在VRPTW中保持硬性约束
• 计算结果证实，该算法在模糊行驶时间条件下能够生成可行且高质量的解