[VRPTW]GA与ALNS的比较.基因遗传算法的链接汇总
·
两者在函数构造上的差异性
| 操作步骤 | GA | ALNS | 备注 |
|---|---|---|---|
| Node() | 完全相同 | ||
| Sol() | 完全相同 | ||
| Model() | 类似 | ||
| 1. 读取文件,并打造属性卡片 | 类似 | ||
| 2. 初始化参数：计算距离矩阵时间矩阵及初始信息素 | 完全相同 | ||
| 3. 计算路径费用 | 完全相同 | ||
| 4. 根据Pred提取路径 | 完全相同 | ||
| 5. 根据序列分割路径 | 完全相同 | ||
| 6. 构造初始解 | 完全相同 | ||
| A1: 计算目标函数 | 🆗 | ||
| B1-1:计算路径的成本 | 🆗 | ||
| B1-2:计算种群适应度 | 🆗 | ||
| A2-1:随机破坏 | 🆗 | ||
| A2-2:最值破坏 | 🆗 | ||
| B2: 交叉 | 🆗 | ||
| A3-1:随机修复 | 🆗 | ||
| A3-2:贪婪修复 | 🆗 | ||
| B3:突变 | 🆗 |
下面是属于各自的思想方法所定义的函数,没有比较的意义了.暂停.所以对于同一个问题来说. 由于解空间相同–解的分割方法相同.只是解的提升优化的方法不同罢了.
参考链接:
- 《Python实现(MD)VRPTW常见求解算法——自适应大邻域搜索算法（ALNS）》
- 《Python实现(MD)VRPTW常见求解算法——遗传算法（GA）》
注意:这里是MDVRPTW的方法对应. 其还有共同点是:对多仓库中仓库的确定.
相关文章:
3. 《[基因遗传算法]原理思想和python代码的结合理解之(一) :单变量》
4. 《[基因遗传算法]进阶之二:最优规划问题–多种编码方式+多变量》
5. 《[基因遗传算法]进阶之三:sko.GA的实践TSP》
6. 《[基因遗传算法]进阶之四:实践CVRP》
7. 《[基因遗传算法]进阶之五:实践VRPTW》
8. 《[基因遗传算法]进阶之六:VRP的进阶经典问题的解码如何写》
更多推荐
1
0- 0
已为社区贡献3条内容
所有评论(0)