基于混合变量差分进化算法的多目标电动车辆路径优化OA北大核心CSTPCD
针对现有的电动车辆路径问题(EVRP)模型大多忽略了充电设施的异构性、或仅关注单一优化目标的现状,构建了一种考虑EVRP中充电设施的充电速度与充电费用的异构性,以行驶总时间最短和总充电费用最小为优化目标,具有混合变量的多目标EVRP模型(M-EVRP)。为了求解此模型,设计了一种混合变量多目标协同差分进化算法(MMODEmv),它将结合了差分分组方法和单调性检查策略优势的增量递归排序分组(IRRG)策略嵌入到合作式协同进化(CC)框架中,在划分种群时分离交互变量和非交互变量,提高了协同进化的效率;此外,该算法采用了松弛机制以保持模型中变量之间的关联性。仿真实验表明,与4个代表性算法相比,MMODEmv算法在收敛性和多样性方面具有显著优势。
叶恒舟;甘国军;董明刚
桂林理工大学计算机科学与工程学院,广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541006桂林理工大学计算机科学与工程学院,广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541006桂林理工大学计算机科学与工程学院,广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室,广西桂林541006
信息技术与安全科学
电动车辆路径优化问题混合变量优化差分进化多目标优化
《桂林理工大学学报》 2025 (3)
P.426-432,7
国家自然科学基金地区项目(61563012)广西嵌入式技术与智能系统重点实验室基金项目(2020-1-3)。
评论