高级搜索

数学生物科学与工程

2022,第19卷, 第7版以下为： 7284-7313。 数字对象标识：10.3934/mbe.2022344
上一篇文章 下一篇文章
研究文章 特殊问题

基于离散Harris-hawks优化的共享电动汽车调度模型参数优化

  • 1
    广西民族大学人工智能学院，南宁530006
  • 2
    广西混合计算与集成电路设计分析重点实验室，南宁530006

  • 学术编辑：张文强
  • 收到：2022年3月31日 修订过的：2022年4月30日 认可的：2022年5月9日 出版：2022年5月18日

  • 车辆路径问题是一个经典的NP-hard问题。通常，传统的优化方法不能有效地解决VRP问题。元启发式优化算法已成功应用于解决许多复杂的工程优化问题。提出了一种离散Harris-Hawks优化算法（DHHO）来解决考虑充电计划的共享电动汽车调度问题。SEVS模型是VPR问题的一种变体，分析了传递函数对模型的影响。实验测试数据基于三个随机生成的不同尺度的例子。实验结果验证了该DHHO算法的有效性。此外，统计分析结果表明，其他传递函数在算法的鲁棒性和求解精度方面存在明显差异。

    引用：王玉恒、周永泉、罗启芳。基于离散Harris hawks优化的共享电动汽车调度模型参数优化[J]。数学生物科学与工程，2022，19（7）：7284-7313。doi:10.3934/mbe.2022344

    相关论文：

  • 车辆路径问题是一个经典的NP-hard问题。通常，传统的优化方法不能有效地解决VRP问题。元启发式优化算法已成功应用于解决许多复杂的工程优化问题。提出了一种离散Harris-Hawks优化算法（DHHO）来解决考虑充电计划的共享电动汽车调度问题。SEVS模型是VPR问题的一种变体，分析了传递函数对模型的影响。实验测试数据基于三个随机生成的不同尺度的示例。实验结果验证了该DHHO算法的有效性。此外，统计分析结果表明，其他传递函数在算法的鲁棒性和求解精度方面存在明显差异。


    加载中


    [1] R.Mounce，J.D.Nelson，《未来移动系统中单向电动汽车共享的潜力》，事务处理。研究A部分：政策实践。,120(2019), 17–30. https://doi.org/10.1016/j.tra.2018.12.003数字对象标识：2016年10月10日/j.tra.2018.12.003
    [2] F.Ferrero、G.Perboli、M.Rosano、A.Vesco，汽车共享服务：附加说明的审查，可持续城市协会。,37(2018), 501–518. https://doi.org/10.1016/j.scs.2017.09.020数字对象标识：2016年10月10日/j.scs.2017.09.020
    [3] M.Nourinejad、M.J.Roorda，《汽车共享运营政策：单向和双向系统的比较》，交通运输,42(2015), 497–518. https://doi.org/10.1007/s11116-015-9604-3数字对象标识：2007年10月17日/111116-015-9604-3
    [4] J.Firnkorn，M.üller，新型自由浮动汽车共享系统的环境影响是什么？车2的箱子在乌尔姆，经济。经济。,70(2011), 1519–1528. https://doi.org/10.1016/j.ecolecon.2011.03.014数字对象标识：2016年10月10日/j.ecolecon.2011.03.014
    [5] J.H.Holland，遗传算法，科学。是。, 1992. https://doi.org/10.1038/科学美国0792-66数字对象标识：10.1038/科学美国人0792-66
    [6] R.Storn，差异进化研究——趋势和开放问题，in差异进化研究进展,143(2008), 1–31.https://doi.org/10.1007/978-3-540-68830-3_1
    [7] I.Rechenberg，进化战略，计算。智力：模拟生活, 1994.
    [8] G.B.Fogel，进化编程，in自然计算手册柏林施普林格出版社，2011年。
    [9] A.V.Sebald，L.J.Fogel，进化编程，进化。程序。, (1994), 1–386. https://doi.org/10.1142/9789814534116数字对象标识：10.1142/9789814534116
    [10] O.K.Erol，I.Eksin，一种新的优化方法：大爆炸-大崩溃，高级工程软件。,37(2006), 106–111. https://doi.org/10.1016/j.advengsoft.2005.04.005数字对象标识：10.1016/j.advengsoft.2005.04.005
    [11] E.Rashedi，H.Nezamabadi-Pour，S.Saryazdi，GSA：引力搜索算法，信息科学。,179(2009), 2232–2248. https://doi.org/10.1016/j.ins.2009.03.004数字对象标识：10.1016/j.ins.2009.03.004
    [12] A.Kaveh，S.Talatahari，一种新的启发式优化方法：充电系统搜索，机械学报。,213(2010):267–289. https://doi.org/10.1007/s00707-009-0270-4数字对象标识：2017年10月10日至2007年7月09日至2017年2月4日
    [13] M.H.Tayarani-N，M.R.Akbarzadeh-T，《磁优化算法——一种新的综合方法》2008年IEEE进化计算大会（IEEE计算智能世界大会）, (2008), 2659–2664.https://doi.org/10.1109/CEC.2008.4631155
    [14] R.A.Formato，《中心力优化：应用电磁学中的一种新的元启发式方法》，掠夺。电动发电机。研究。,77(2007), 425–491. https://doi.org/10.2528/PIER07082403数字对象标识：10.2528/第07082403页
    [15] B.Alatas，ACROA：用于全局优化的人工化学反应优化算法，专家系统。申请。,38(2011), 13170–13180. https://doi.org/10.1016/j.eswa.2011.04.126数字对象标识：2016年10月10日/j.eswa.2011.04.126
    [16] A.Hatamlou，黑洞：数据聚类的新启发式优化方法，信息科学。,222(2013), 175–184. https://doi.org/10.1016/j.ins.2012.08.023数字对象标识：10.1016/j.ins.2012.08.023
    [17] H.Du，X.Wu，J.Zhuang，函数优化的小世界优化算法，in自然计算的进展, (2006), 264–273.https://doi.org/10.1007/11881223_33
    [18] H.Shah-Hosseini，用基于galaxy的搜索算法进行主成分分析：一种新的连续优化元启发式算法，国际期刊计算。科学。工程师。,6(2011), 132–140. https://doi.org/10.1504/IJCSE.2011.041221数字对象标识：10.1504/IJCSE.2011.041221
    [19] Y.T.Xiao，C.L.Chuang，J.A.Jiang，C.C.Chien，一种新的优化算法：空间引力优化，in2005年IEEE系统、人与控制论国际会议,三(2005), 2323–2328.https://doi.org/10.109/ICSMC.2005.1571495
    [20] F.A.Hashim，E.H.Houssein，M.S.Mabrouk，W.Al-Atabany，S.Mirjalili，Henry气体溶解度优化：一种新的基于物理的算法，未来一代。计算。系统。,101(2019), 646–667. https://doi.org/10.1016/j.future.2019.07.015数字对象标识：10.1016/j.未来2019.07.015
    [21] L.Abualigah、A.Diabat、S.Mirjalili、M.A.Elaziz、A.H.Gadomi，《算术优化算法》，计算。方法应用。机械。工程师。,376(2021), 113609. https://doi.org/10.1016/j.cma.2020.113609数字对象标识：2016年10月10日/j.cma.2020.113609
    [22] I.Ahmadianfar，A.A.Heidari，A.H.Gandomi，X.Chu，H.Chen，超越隐喻：一种基于Runge-Kutta方法的高效优化算法，专家系统。申请。,181(2021), 115079. https://doi.org/10.1016/j.eswa.2021.115079数字对象标识：2016年10月10日/j.eswa.2021.115079
    [23] J.Kennedy，R.Eberhart，粒子群优化，inICNN’95国际神经网络会议论文集,4(1995), 1942–1948.https://doi.org/10.109/ICNN.1995.488968
    [24] D.Karaboga，B.Basturk，一种强大而有效的数值函数优化算法：人工蜂群（ABC）算法，J.全球优化。,39（2007），第459–471页。https://doi.org/10.1007/s10898-007-9149-x数字对象标识：2007年10月10日/10898-007-9149-x
    [25] M.Dorigo，V.Maniezzo，A.Colorni，《蚂蚁系统：通过协作代理群体进行优化》，IEEE传输。系统。，人，赛博。，B部分,26(1996), 29–41. https://doi.org/10.109/3477.484436数字对象标识：10.1109/3477.484436
    [26] X.S.Yang，用于多模态优化的Firefly算法，in随机算法：基础与应用施普林格，（2009），169-178。https://doi.org/10.1007/978-3-642-04944-6_14
    [27] X.S.Yang，A.H.Gandomi，蝙蝠算法：一种新的全局工程优化方法，工程计算。,29(2012), 464–483. https://doi.org/10.108/02644401211235834数字对象标识：10.1108/02644401211235834
    [28] E.Valian，E.Valian.解决可靠性冗余分配问题的Lévy航班布谷鸟搜索算法，工程优化。,45（2013），1273–1286。https://doi.org/10.1080/0305215X.2012.729055数字对象标识：10.1080/0305215X.2012.729055
    [29] S.A.Uymaz，G.Tezel，E.Yel，非线性全局优化的人工藻类算法（AAA），申请。软计算。,31(2015), 153–171. https://doi.org/10.1016/j.asoc.2015.03.003数字对象标识：2016年10月10日/j.asoc.2015.03.003
    [30] M.S.Kiran，TSA：连续优化的树种子算法，专家系统。申请。,42(2015), 6686–6690. https://doi.org/10.1016/j.eswa.2015.04.055数字对象标识：2016年10月10日/j.eswa.2015.04.055
    [31] S.Mirjalili，S.M.Mirjalili，A.Lewis，灰狼优化器，高级工程软件,69(2014), 46–61. https://doi.org/10.1016/j.advengsoft.2013.12.007数字对象标识：2016年10月10日/j.advengsoft.2013.12.007
    [32] J.James，V.O.Li，用于全局优化的社交蜘蛛算法，申请。软计算。,30(2015), 614–627. https://doi.org/10.1016/j.asoc.2015.02.014数字对象标识：10.1016/j.asoc.2015.02.014
    [33] S.Mirjalili，Moth火焰优化算法：一种新的受自然启发的启发式范式，知识-基于系统。,89(2015), 228–249. https://doi.org/10.1016/j.knosys.2015.07.006数字对象标识：2016年10月10日/j.knosys.2015.07.006
    [34] S.Mirjalili，A.Lewis，鲸鱼优化算法，高级工程软件,95(2016), 51–67. https://doi.org/10.1016/j.advengsoft.2016.01.008数字对象标识：2016年10月10日/j.advengsoft.2016.01.008
    [35] A.Kaveh，N.Farhoudi，一种新的优化方法：海豚回声定位，高级工程软件,59(2013), 53–70. https://doi.org/10.1016/j.advengsoft.2013.03.004数字对象标识：10.1016/j.advengsoft.2013.03.004
    [36] S.C.Chu，P.W.Tsai，J.S.Pan，猫群优化，inPRICAI 2006：人工智能趋势施普林格，（2006），854–858。https://doi.org/10.1007/978-3-540-36668-3_94
    [37] M.Yazdani，F.Jolai，狮子优化算法（LOA）：一种自然启发的元启发式算法，J.计算。设计。工程师。,三(2016), 24–36. https://doi.org/10.1016/j.jcde.2015.06.003数字对象标识：2016年10月10日/j.jcde.2015.06.003
    [38] X.Bo，W.J.Gao，果蝇优化算法，in创新计算智能：134种聪明算法的粗略指南, 2014.
    [39] M.Khishe，M.R.Mosavi，黑猩猩优化算法，专家系统。申请。,149(2020), 113338. https://doi.org/10.1016/j.eswa.2020.113338数字对象标识：2016年10月10日/j.eswa.2020.113338
    [40] M.S.Braik，Chameleon群算法：一种用于解决工程设计问题的仿生优化器，专家系统。申请。,174(2021), 114685. https://doi.org/10.1016/j.eswa.2021.114685数字对象标识：2016年10月10日/j.eswa.2021.114685
    [41] S.Li，H.Chen，M.Wang，A.A.Heidari，S.Mirjalili，Slime mold algorithm：一种新的随机优化方法，未来一代。计算。系统。,111(2020), 300–323. https://doi.org/10.1016/j.future.2020.03.055数字对象标识：10.1016/j.未来.2020.03.055
    [42] Y.Yang、H.Chen、A.A.Heidari、A.H.Gandomi，《饥饿游戏搜索：愿景、概念、实施、深入分析、视角和朝向绩效转变》，专家系统。申请。,177（2021），114864。https://doi.org/10.1016/j.eswa.2021.114864数字对象标识：2016年10月10日/j.eswa.2021.114864
    [43] J.Tu，H.Chen，M.Wang，A.H.Gandomi，《群体捕食算法》，J.仿生工程。,18(2021), 674–710. https://doi.org/10.1007/s42235-021-0050-y数字对象标识：10.1007/s42235-021-0050-y
    [44] G.B.Dantzig，J.H.Ramser，卡车调度问题，管理。科学。,6(1959), 80–91. https://doi.org/10.1287/mnsc.6.1.80数字对象标识：10.1287/毫微秒6.1.80
    [45] J.Du，X.Li，L.Yu，R.Dan，J.Zhou，危险品运输的多报告车辆路径问题：模糊双层规划，信息科学。,399(2017), 201–218. https://doi.org/10.1016/j.ins.2017.02.011数字对象标识：2016年10月10日/j.ins.2017.02.11
    [46] A.GarcíA-Nájera，J.A.Bullinaria，M.A.Gutiérrez-Andrade，带回程的多目标车辆路径问题的进化方法，计算。工业工程。,81（2015），90-108。https://doi.org/10.1016/j.cie.2014.12.029数字对象标识：2016年10月10日/j.cie.2014.12.029
    [47] E.Cao，M.Lai，H.Yang，具有需求不确定性的开放式车辆路径问题及其鲁棒策略，专家系统。申请。,41(2014), 3569–3575. https://doi.org/10.1016/j.eswa.2013.11.004数字对象标识：2016年10月10日/j.eswa.2013.11.004
    [48] E.Jabir，V.V.Panicker，R.Sridharan，多仓库绿色车辆路径问题的混合蚁群变量邻域搜索算法的设计与开发，事务处理。决议第D部分：运输。环境。,57(2017), 422–457. https://doi.org/10.1016/j.trd.2017.09.003数字对象标识：2016年10月10日至2003年9月17日
    [49] M.Okulewicz，J.Maádziuk，基于粒子群优化算法解决动态车辆路径问题的特定组件的影响，申请。软计算。,58(2017), 586–604. https://doi.org/10.1016/j.asoc.2017.04.070数字对象标识：10.1016/j.asoc.2017.04.070
    [50] S.Iqbal，M.Kaykobad，M.S.Rahman，借助bees求解具有软时间窗的多目标车辆路径问题，Swarm进化。计算。,24(2015), 50–64. https://doi.org/10.1016/j.swevo.2015.06.001数字对象标识：2016年10月10日/星期五2015年6月21日
    [51] E.Teymourian、V.Kayvanfar、G.M.Komaki、M.Zandieh，用于解决容量受限车辆路径问题的增强智能水滴和布谷鸟搜索算法，信息科学。,334–335(2016), 354–378. https://doi.org/10.1016/j.ins.2015.101.036数字对象标识：10.1016/j.ins.2015.11.036
    [52] A.A.Heidari、S.Mirjalili、H.Faris、I.Aljarah、M.Mafarja、H.Chen，《哈里斯-霍克斯优化：算法和应用》，未来一代。计算。系统。,97(2019), 849–872. https://doi.org/10.1016/j.future.2019.02.028数字对象标识：10.1016/j.未来2019.02.028
    [53] C.Fan，Y.Zhou，Z.Tang，基于邻域质心反向学习的Harris Hawks神经网络训练优化，进化。智力。,14(2021), 1847–1867. https://doi.org/10.1007/s12065-020-00465-x数字对象标识：10.1007/s12065-020-00465-x
    [54] H.Zhang，H.Nguyen，X.N.Bui，B.Pradhan，P.G.Asteris，R.Costache，et al.，使用深度神经网络和Harris Hawks优化算法评估边坡稳定性时估计粘土摩擦角的通用人工智能模型，工程计算。, 2021. https://doi.org/10.1007/s00366-020-01272-9数字对象标识：10.1007/00366-020-01272-9
    [55] S.Mouassa，T.Bouktir，F.Jurado，使用Harris-hawks优化算法在智能电网中优化能源管理的智能家电调度，最佳方案。工程师。,22(2021), 1625–1652. https://doi.org/10.1007/s11081-020-09572-1数字对象标识：2007年10月10日/11081-020-09572-1
    [56] P.Kumar，S.N.Singh，S.Dawra，使用额外的树分类器和增强的Harris Hawk优化算法进行软件组件重用性预测，国际期刊系统。保证。工程管理。,13(2022), 892–903. https://doi.org/10.1007/s13198-021-01359-6数字对象标识：2007年10月17日/13198-021-01359-6
    [57] M.K.Naik，R.Panda，A.Wunnava，B.Jena，A.Abraham，二维Masi熵多级图像阈值优化领导者Harris hawks，多媒体工具应用。,80(2021), 35543–35583. https://doi.org/10.1007/s11042-020-10467-7数字对象标识：10.1007/s11042-020-10467-7
    [58] M.A.Mossa，O.M.Kamel，H.M.Sultan，A.A.Z.Diab，基于Harris Hawks优化和原子搜索优化算法的质子交换膜燃料电池模型参数估计，神经计算。申请。,33(2021), 5555–5570. https://doi.org/10.1007/s00521-0520-05333-4数字对象标识：10.1007/s00521-0520-05333-4
    [59] E.H.Houssein、M.E.Hosney、D.Oliva、W.M.Mohamed、M.Hassaballah，用于药物设计和发现的新型混合Harris Hawk优化和支持向量机，计算。化学。工程师。,133（2020），106656。https://doi.org/10.1016/j.compchemeng.2019.106656数字对象标识：2016年10月10日/j.compchemeng.2019.106656
    [60] I.N.Setiawan、R.Kurniawan，B.Yuniato，R.E.Caraka，B.Pardamean，使用Harris Hawks优化的支持向量回归参数优化，Procedia计算。科学。,179(2021), 17–24. https://doi.org/10.1016/j.procs.2020.12.003数字对象标识：10.1016/j.项目2020.12.003
    [61] A.A.Dehkordi，A.S.Sadiq，S.Mirjalili，K.Z.Ghafoor，基于非线性的混沌Harris Hawks优化器：算法和车辆互联网应用，申请。软计算。,109(2021), 107574. https://doi.org/10.1016/j.asoc.2021.107574数字对象标识：2016年10月10日/j.asoc.2021.107574
    [62] H.M.Alabool，D.Alarabiat，L.Abualigah，A.A.Heidari，Harris Hawks优化：最新变体和应用的综合评述，神经计算。申请。,33(2021), 8939–8980. https://doi.org/10.1007/s00521-05720-5数字对象标识：2007年10月7日/200521-021-05720-5
    [63] 张瑞云，王志明，王德昌，带充电调度的共享电动车运输问题的建模与优化，系统。工程-理论实践。,41(2021), 370–377.
    [64] H.Haklı，H.Uğuz，一种新的Levy飞行粒子群优化算法，申请。软计算。,23(2014), 333–345. https://doi.org/10.1016/j.asoc.2014.06.034数字对象标识：2016年10月10日/j.asoc.2014.06.034
    [65] X.S.Yang，《自然启发的元启发式算法》，Luniver出版社，2010年。
    [66] N.Wang，W.J.Zhang，X.Liu，J.Zuo，电动汽车共享的站点间车辆人工调度策略设计，同济大学（自然科学）,46(2018), 1064–1071. https://doi.org/10.11908/j.issn.0253-374x.2018.08.009数字对象标识：10.11908/j.issn.0253-374x.2018.08.009
    [67] A.伊利诺伊州比什基利。Da，一种新的二进制变量，具有Harris-Hawks优化二进制风力涡轮机微观定位的传递函数，能源代表。,6（2020），668–673。https://doi.org/10.1016/j.egyr.2020年11月14日数字对象标识：2016年10月10日/j.egyr.2020.11.154
    [68] 伊利诺伊州M.Beškirli。Koç，H.Haklñ，H.Kodaz，解决风力涡轮机布局问题的一种新优化算法：二元人工藻类算法，可再生能源,121(2018), 301–308. https://doi.org/10.1016/j.renene.2017.12.087数字对象标识：2016年10月10日/j.renene.2017.12.087
    [69] R.M.Rizk-Allah，A.E.Hassanien，M.Elhoseny，M.Gunasekaran，一种新的二进制salp群算法：优化任务的开发和应用，神经计算。申请。,31（2019），1641–1663。https://doi.org/10.1007/s00521-018-3613-z数字对象标识：10.1007/s00521-018-3613-z
  • 读者评论
  • ©2022作者，持牌人AIMS出版社。这是一篇开放存取的文章根据知识共享署名许可证的条款(http://creativecommons.org/licenses/by/4.0)
通讯作者:陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI公司搜索
数学生物科学与工程
3.9

韵律学

文章观点(1588) PDF下载(139) 引用人(0)

预览PDF
下载XML
出口引文
文章大纲

图和表

数字(16) / 表格(12)

作者撰写的其他文章

相关页面

工具

/

返回
返回

目录