Egy memetikus algoritmus a járatszervezési problémára

In this paper we present a new memetic algorithm for the CVRP (Capacitated Vehicle Routing Problem). The new algorithm was developed from our earlier multi-objective algorithm for the vehicle routing problem - selecting and further developing one part of the earlier algorithm. The new algorithm is a steady-state evolutionary algorithm. It uses tournament selection; the descendents are derived from the parents by mutation based on the EVL (Extended Virtual Loser) where the EVL is an explicit collective memory technique. The algorithm is a memetic algorithm and uses five different stochastic 2-opt local searches to improve the descendents. We used some test problems of the Vehicle Routing Data Sets and of Christofides. Comparing the results with other method’s results we concluded: in the case of n < 200 costumers we got similar results that was published earlier.A cikkben az egy telephelyes, kapacitással adott járatszervezései problémára (CVRP: Capacitated Vehicle Routing Problem) mutatunk be egy memetikus algoritmust. A megoldáshoz egy korábbi több-célfüggvényes járatszervezési algoritmusunkat használjuk fel, kiemelve és továbbfejlesztve az algoritmusból az egy célfüggvényes járatszervezési problémánál alkalmazható algoritmus részt. Az új algoritmus egy steady-state rendszer, amely tournament szelekciót alkalmaz, az utódokat mutációval generálja a szülőkből, ahol a mutáció egy memória alapú technikán, az EVL (Extended Virtual Loser) technikán alapul. Az algoritmus, mint memetikus algoritmus, az utódok minőségét ötféle sztochasztikus helyi kereső eljárással javítja. Az algoritmust a „Vehicle Routing Data Sets”, valamint Christofides néhány tesztfeladatán ellenőriztük. Az eredményeket más módszerekkel is összehasonlítottuk: n < 200 fogyasztó esetén a korábban publikált eredményekhez hasonlót kaptunk