GA_VND：一种解决VRPSDP的有效混合遗传算法

本文主要探讨的是"求解VRPSDP的变邻域混合遗传算法"，它是针对卸装一体化车辆路径问题（Vehicle Routing Problem with Simultaneous Delivery and Pickup, VRPSDP）的研究。VRPSDP在物流运输领域具有实际应用价值，其解决对降低物流成本和提升运输效率至关重要。由于该问题被归类为NP难题，因此，研究者们倾向于开发有效的启发式算法来求解。 研究者马欢等人提出了一个结合变邻域下降搜索（Variable Neighborhood Descent, VND）和遗传算法（Genetic Algorithm, GA）的混合方法，即GA_VND。算法首先通过随机生成初始种群，并利用遗传算法的交叉和变异操作生成一系列弱可行解，然后从中选择最佳解作为VND的初始解。在VND过程中，通过两种不同的局部搜索策略对解进行深度搜索和迭代优化，以寻找更优的解决方案。 作者通过54个算例的求解实验，结果显示GA_VND成功更新了54个已知的最佳解中的8个，这证明了该算法在解决VRPSDP问题上的有效性。该算法在解决这类复杂问题时展现出良好的性能，尤其是在面对约束条件较多、问题规模较大的情况下。 关键词包括卸装一体化、车辆路径问题、变邻域下降搜索、遗传算法以及组合优化。文章引用了相关领域的文献，如遗传算法的应用和模拟退火等元启发式方法。此外，文章还提供了详细的作者信息，如马欢的个人信息和研究方向，以及文章的刊载信息和基金资助情况。 这篇研究论文提供了一种创新的方法，将遗传算法与变邻域搜索策略相结合，以求解卸装一体化车辆路径问题，展示了在解决这类实际物流问题上的潜在价值和实用前景。