郭森;秦贵和;张金东;于、何;陆正宇;于嘉欣 一种新的多目标车辆路径问题的粒子群优化算法。 （中文。英文摘要） Zbl 1374.90423号 J.西安交通大学。 50，第9期，97-104（2016）. 摘要：针对复杂约束多目标优化过程中粒子群算法及其变种容易陷入局部最优解和收敛的问题，提出了一种基于动态学习策略和变异因子的粒子群算法。首先，通过分析粒子群的学习机制，DSPSO引入了动态学习策略，使粒子能够在迭代更新过程中自适应地调整认知成分和社会成分的权重，并引导自己朝着最优方向探索，从而有效地加快了收敛速度。其次，通过引入阶梯突变因子，当粒子陷入局部最优时，可以打破更新步长的限制，在速度矢量方向的二维空间邻域中进行尝试性跳跃。当找到更好的解决方案时，将更新最佳解决方案。最后，对BenchMark的典型函数进行了实验，结果表明DSPSO的精度和收敛速度都优于对比算法。在多目标车辆路径优化问题中，DSPSO解的可接受率和成功率为（0。91\）和\（0。66\）的结果远远优于（0。16\）和\（0。11）通过比较算法，反映了DSPSO在多目标车辆路径问题中的优越性。 理学硕士： 90 C59 数学规划中的近似方法和启发式 90C29型 多目标规划 关键词：车辆路线问题;多目标优化;粒子群优化 PDF格式BibTeX公司 XML格式引用 \textit{S.Guo}等人，J.西安交通大学50，No.9，97--104（2016；Zbl 1374.90423） 全文： 内政部