随着人工智能的发展,物流配送与车辆路径问题在大型商场,快递等领域有广泛的应用前景。因此,对车辆路径问题的深入研究,有较高的科学意义和工程应用价值。从已有的研究发现,面向车辆路径问题的智能优化算法研究中存在以下几个方面的不足:(1)优化算法未能充分利用局部搜索信息来指导算法的求解过程,从而影响算法的求解效率;(2)问题的相似性特征未能有效地通过知识的迁移机制来实现优化问题之间的协同效应;(3)智能优化算法求解现实生活中车辆路径问题的有效性还未得到充分的验证。针对以上不足,本文的具体研究工作有以下三个方面:(1)为了有效地使用局部搜索信息,提出了求解带时间窗车辆路径问题的多目标模因算法。在该算法中,一方面,使用多方向局部搜索策略,根据特定的问题知识下的局部搜索来执行面向多个方向的搜索。另一方面,利用增强的局部搜索链技术,将进化过程中得到的有潜力的解自适应地选择给后续的局部搜索算子。这样,多目标模因算法不仅可以有效地从多个方向探索解空间,而且通过基于链的方式充分利用有潜力的解决方案。(2)为了有效地迁移问题的相似性特征,提出了一种求解带路径平衡车辆路径问题的进化多任务算法。在该算法中,一方面,使用多任务优化策略来实现任务间沿搜索过程的知识转移;另一方面,使用多目标优化策略对种群中非占优的解进行后续的优化。这样,进化多任务算法不仅能够通过相似任务之间的信息迁移来增强算法性能,而且始终保持优化过程中种群的多样性。(3)为了解决实际车辆路径问题,提出了用于城际网约出行的智能订单分配算法,该算法使用订单的时空信息来构造初始的订单分配方案集合,然后采用局部搜索来优化订单分配方案,同时对新出现的订单根据预约时间进行动态分配,最后为决策者提供不同的订单分配方案。通过一边构造订单分配方案,一边优化订单分配方案的方式,算法可以在短时间内获得高质量的解。综上所述,本文从解的产生机制,到算法的搜索框架,再到实际工程应用,从三个不同的层次对车辆路径问题的求解方法和应用场景进行了探索和研究。同时通过大量的实验评估,验证了所提出的算法具有良好的优化性能,为科学研究与工程领域提供有效的参考。