VRP问题如何通过模拟退火算法解决单中心多客户多车路径规划,融入Ma策略?
- 内容介绍
- 文章标签
- 相关推荐
本文共计1062个文字,预计阅读时间需要5分钟。
1. 简介及模拟退火算法思想:基于固体的退火过程,考虑固体高温时内能较大,颗粒快速无序运动;温度降低时,内能减小,颗粒逐渐有序。
1 简介
模拟退火算法的思想借鉴于固体的退火过程,当固体的温度很高时,内能比较大,固体内的粒子处于快速无序运动状态,当温度慢慢降低,固体的内能减小,粒子逐渐趋于有序,最终固体处于常温状态,内能达到最小,此时粒子最为稳定。
白话理解:一开始为算法设定一个较高的值T(模拟温度),算法不稳定,选择当前较差解的概率很大;随着T的减小,算法趋于稳定,选择较差解的概率减小,最后,T降至终止迭代的条件,得到近似最优解。
2.算法思想及步骤
设
为所有的可能解,
反映了取
时解的代价,则组合优化问题可形式化地表述为寻找
使得
。
其中,P为算法选择较差解的概率;T 为温度的模拟参数;
。
本文共计1062个文字,预计阅读时间需要5分钟。
1. 简介及模拟退火算法思想:基于固体的退火过程,考虑固体高温时内能较大,颗粒快速无序运动;温度降低时,内能减小,颗粒逐渐有序。
1 简介
模拟退火算法的思想借鉴于固体的退火过程,当固体的温度很高时,内能比较大,固体内的粒子处于快速无序运动状态,当温度慢慢降低,固体的内能减小,粒子逐渐趋于有序,最终固体处于常温状态,内能达到最小,此时粒子最为稳定。
白话理解:一开始为算法设定一个较高的值T(模拟温度),算法不稳定,选择当前较差解的概率很大;随着T的减小,算法趋于稳定,选择较差解的概率减小,最后,T降至终止迭代的条件,得到近似最优解。
2.算法思想及步骤
设
为所有的可能解,
反映了取
时解的代价,则组合优化问题可形式化地表述为寻找
使得
。
其中,P为算法选择较差解的概率;T 为温度的模拟参数;
。

