摘要：滚动循环策略是当前学者利用优化算法解决动态车辆路径规划（DVRP）问题的主要研究策略。基于遗传算法对预优化算法进行了改进。遗传算法容易早熟和局部最优，因此求解质量往往达不到最佳。为了解决这个问题，提出了一种贪婪重构策略来改进遗传算法。贪婪重建遗传算法（GRGA）在每条路径中随机消除固定数量的客户点，并使用贪婪重建策略将消除的点依次插入每条路径中，并保留成本最低的解，放弃了完全随机策略原则，这样解可以跳过局部最优。每次迭代后，使用可变邻域下降（VND）算法进行深度搜索并完成一次迭代。最后，进行了三组测试。第一组是在统一平台上使用Solomon数据集测试算法效果。第二组分别保存预优化算法和比较算法获得的数据，并采用动态调度优化算法对动态调度周期中各预优化算法形成的初始路径进行调度，利用控制变量法对改进算法的有效性进行测试。第三组是通过一个实际案例来测试预优化算法的效果。

关键词： 时间窗口， 遗传算法， 可变邻域递减搜索算法， 贪婪重建战略， 滚动周期

摘要：滚动周期策略是当前学者利用优化算法解决动态车辆路径规划（动态车辆路径规划，DVRP）问题的主要研究策略。预优化算法是基于遗传算法（遗传算法，GA）易早熟和易陷入局部最优的特点，使解的质量往往不能达到最好。针对此问题，在加算法上提出了贪婪重构策略进行改进。贪婪重构遗传算法（贪婪重建遗传算法，GRGA）随机剔除每条路径固定数量的客户点，利用贪婪重构策略依次将剔除点插入到各个路径，保留成本最低的解，摒弃了完全随机的策略原则，使解可以跳出局部最优。在每次迭代之后利用变邻域下降搜索算法（可变邻域下降，VND）进行深度搜索，完成一次迭代。最后进行三组测试，第一组是在统一平台上采用所罗门群岛数据集测试算法效果，第二组是把预优化改进算法与对比算法得到的数据分别进行保存，利用控制变量法在动态调度周期使用一种动态调度优化算法，分别对每个预优化算法形成的初始路径进行调度，测试改进算法的有效性，第三组是采用实际案例测试预优化算法的效果。

关键词: 时间窗, 遗传算法, 变邻域下降搜索算法, 贪婪重构策略, 滚动周期