【摘要】：为检验算法有效性，测试求解了国际上公认的VRP问题库中的典型实例，下面给出其中的一个实例及其相关结果。即车辆数为5，车辆总行程为387。而实际上，通过对VRPLIB中大部分算例的求解发现，α取值在1～2之间，β取值在1～3之间往往会取得较好的效果.参数ρ取0.7，Q取10。表3.3不同参数结果可以看出，求得的最好解是375，而当参数取值超出该范围时，基本上无法找到最好解。
为检验算法有效性，测试求解了国际上公认的VRP问题库（Solomon'sinstances）中的典型实例，下面给出其中的一个实例及其相关结果。
例：（eil22）n=22，D=6000
用扫除算法求解可得
H=｛111.8756，107.0266，76.405l，80.708l，11.1803｝；
B=｛5800，5200，5300，4900，1300）
其中，H是各路径长度，B是各车辆提供给顾客所需的货物总量。即车辆数为5，车辆总行程为387。
用蚁群优化算法求解VRP时，其参数的取值范围可以参照TSP。而实际上，通过对VRPLIB中大部分算例的求解发现，α取值在1～2之间，β取值在1～3之间往往会取得较好的效果.参数ρ取0.7，Q取10。另外，蚁群优化算法中的三种模型对结果影响不大，这里取Ant-Cycle模型.迭代次数为1000，取重复10轮运行中的最好值，如表3.3所示。
表3.3 不同参数结果
可以看出，求得的最好解是375，而当参数取值超出该范围时，基本上无法找到最好解。车辆的具体行走路线、各路径长以及总路长为：
所需车辆数=4，车辆总行程=375；(www.xing528.com)
第l条路线：回路总长=113；
回路路径=1 10
第2条路线：回路总长=83；
回路路径=1 13
第3条路线：回路总长=77；
回路路径=1 17
第4条路线：回路总长=102；
回路路径=1 14 12 5 4 9 11
目前已公布的最好结果即为（4，375）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
