[发明专利]一种用于物流优化的类遗传方法

说明书

技术领域

本发明涉及一种类遗传方法，特别涉及一种用于物流优化的类遗传方法，其中的染色体由头部和躯干部两部分构成，根据这种的染色体定义其相应的类交叉、类变异、类逆转等遗传操作及适应度，由此能够用它来求解广义旅行商问题，并可以同时实现对常规旅行商问题的求解。

背景技术

一般旅行商(traveling salesman problem，TSP)和广义旅行商(generalizedtraveling salesman problem，GTSP)问题是两类应用范围十分广泛的组合优化问题，其中GTSP是比TSP更为复杂的一类问题。广义旅行商最早是由Henry-Labordere，Saksena and Srivastava等人在计算机记录平衡和福利机构的访问顺序背景下提出的一种组合优化问题。GTSP可以描述为：假定存在完全加权图G＝(V，E，W)，其中V＝(v₁，v₂，…，v_n)是v≥3的顶点集；V被分割成可能有部分重合的m组，即V₁，V₂，…，V_m，其中|V_j|≥1，j＝(1，2，…，m)且 V = ∪ j = 1 m V j ; ]]>E＝{e_ij|v_i，v_j∈V}是边集；W＝{w_ij|w_ij≥0，w_ij＝0，i，j∈N(n)}是成本集，寻找经过所有的组且成本最小的Hamiltonian回路的问题被称为GTSP。为了叙述的方便，我们有时也称W为成本矩阵，此时有W＝(w_ij)_n×n。目前有两个版本的GTSP：(1)每组仅有一个顶点在回路中被访问，如图1所示，也称E-GTSP，(2)每组至少有一个顶点在回路中被访问如图2所示。

包括神经网络和遗传算法的计算智能方法是求解组合优化问题的一种有效工具，并且已经被广泛地用于求解TSP。但到目前为止，有关计算智能方法在GTSP求解上的理论与应用研究仍然非常罕见。普通整数编码的GA在求解TSP时具有直观，易操作，执行效率高等优点，因此使得它在求解TSP上的理论和应用都得到了深入细致的研究。但是由于GTSP中一般每组的顶点数都大于1，按照原有的思路，基于常规染色体的GA可以确定各组的访问次序，却无法确定每组被访问的顶点，因此使得已有的GA算法在求解GTSP时失去了原有的优势，GA在求解GTSP上暂时陷入了困境。

发明内容

本发明的目的是提供一种用于物流优化的类遗传方法，该方法利用一般遗传算法中染色体的结构，并且基于这种新的染色体提出了类遗传算法即方法，该方法不需要GTSP向TSP的转化，不需要成本矩阵满足三角不等式，因此极大地简化了求解过程，提高了求解效率。而且它能够以统一的模式来求解TSP、GTSP与TSP-GTSP混合问题。该方法的提出使得基于GA的求解方法能够有效地处理机械加工中的某些问题，以及物流优化的问题，极大地促进了GA在GTSP求解中的应用。