考虑匹配可行性的长期合乘问题建模与求解*
车辆合乘对于减少碳排放、停车位需求以及缓解交通压力具有重要意义.针对长期车辆合乘问题(LTCPP),构建了带有车容量和时间窗约束的多目标优化模型.该模型以最小化用户行驶总距离、用户合乘产生的额外驾驶时间、用户实际启程到达时间与用户期望时间的差距以及最大化匹配可行性为目标.LTCPP是聚类和路由问题的组合,基于该特点,提出了一种分布式聚类蚁群算法(DCAC)求解LTCPP.该算法在蚂蚁行进中基于启发式信息与偏好值产生合乘组,继而采用枚举方法确定用户的最佳行驶路径.最后,在Apache Spark分布式计算框架中进行分布式实现.实验结果表明,该算法能为LTCPP提供高质量的解,并且在处理大规模LTCPP问题上具有明显优势.
车辆合乘、匹配可行性、蚁群算法(ACO)、分布式计算、Spark
TP18;TP399(自动化基础理论)
2019-11-29(万方平台首次上网日期,不代表论文的发表时间)
共17页
1174-1190