[论文解读] Un Algorithme génétique pour le problème de ramassage et de livraison avec fenêtres de temps à plusieurs véhicules

Imen Harbaoui Dridi, Ryan Kammarti+2 more|arXiv (Cornell University)|Oct 5, 2010

Vehicle Routing Optimization Methods参考文献 11被引用 11

一句话总结

本文提出一种遗传算法以求解带时间窗的多车辆取送货问题（m-PDPTW），最小化总行驶成本。通过定制化的遗传方法整合先后次序、容量和时间窗约束，结合修复机制与基于解可行性和成本的适应度评估。

ABSTRACT

The PDPTW is an optimization vehicles routing problem which must meet requests for transport between suppliers and customers satisfying precedence, capacity and time constraints. We present, in this paper, a genetic algorithm for optimization of a multi pickup and delivery problem with time windows (m-PDPTW). We purposes a brief literature review of the PDPTW, present an approach based on genetic algorithms to give a satisfying solution to the m-PDPTW minimizing the total travel cost.

研究动机与目标

• 解决多车辆取送货带时间窗问题（m-PDPTW）的复杂性，这是物流与运输领域中的关键挑战。
• 开发一种高效的元启发式方法，以同时处理先后次序、容量和时间窗约束。
• 在满足所有客户和供应商服务需求的前提下，最小化车辆路径的总行驶成本。
• 提供一种可扩展且鲁棒的优化框架，适用于现实世界的物流运营。

提出的方法

• 设计一种遗传算法，其染色体表示编码了车辆路径、取送货顺序及时间窗合规性。
• 实施一种修复机制，以修正违反时间窗或先后次序约束的不可行解。
• 使用适应度函数，对不可行性进行惩罚，并奖励总行驶成本较低的解。
• 应用标准遗传算子：选择（锦标赛选择）、交叉（基于顺序的交叉）和变异（交换与逆转变异），以探索解空间。
• 集成局部搜索改进步骤，以在遗传进化后提升解的质量。
• 在基准实例上验证算法，以评估性能与收敛性。

实验结果

研究问题

• RQ1 遗传算法如何有效处理m-PDPTW中先后次序、容量与时间窗的综合约束？
• RQ2 何种遗传编码与算子能实现对近似最优解的最高效收敛？
• RQ3 与现有方法相比，所提出的算法在多大程度上降低了总行驶成本？
• RQ4 在不同问题规模与约束紧密程度下，解的鲁棒性如何？
• RQ5 修复机制在保持解可行性的同时，能否实现对搜索空间的有效探索？

主要发现

• 所提出的遗传算法成功生成了满足所有先后次序、容量与时间窗约束的可行解。
• 该算法表现出良好的收敛性，能够找到低成本解，与基线启发式方法相比显著降低了总行驶成本。
• 修复机制的集成确保了各代解的高可行性率，提升了解的可靠性。
• 结合遗传算子与局部搜索的混合方法显著提升了解的质量与收敛速度。
• 该方法在中等规模的m-PDPTW实例上表现出可扩展性，并通过基准数据验证了其适用性。
• 结果证实了适应度函数在引导搜索过程向成本高效且可行的路径方向演进方面的有效性。