Vehicle Routing Problem with Time Windows: A Hybrid Particle Swarm Optimization Approach

Liu, Xiaoxiang; Jiang, Weigang; Xie, Jianwen

doi:10.1109/icnc.2009.353

Cited by 12 publications

(2 citation statements)

References 5 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em Linden [5], estão definidas as três técnicas básicas: cruzamento de 1 ponto -os cromossomos dos genitores são seccionados em um ponto aleatório e recombinados intercalando as partes dos genitores; cruzamento de 2 pontos -similar ao cruzamento de 1 ponto, entretanto, com a escolha aleatória de 2 pontos de secção; e cruzamento uniforme -sorteio gene a gene, de qual dos dois genitores o filho herdará a característica, formando, ao final do processo, dois novos cromossomos completos. Embora encontremse trabalhos com implementações de outras técnicas de cruzamento, tais como CX [17], PMX (Partially Matched Crossover), OC (Ordered Crossover) e CC (Cyclic Crossover) [18], entre outras, essas representam variações das técnicas básicas. Neste trabalho, como nosso foco está na paralelização, optamos por usar as técnicas básicas e implementar duas técnicas híbridas, que são combinações das técnicas básicas.…”

Section: Parâmetros Do Ag Para As Instâncias-alvounclassified

O impacto da paralelização com OpenMP no desempenho e na qualidade das soluções de um Algoritmo Genético

Gressler

Cristina

2014

Revista Brasileira De Computação Aplicada

View full text Add to dashboard Cite

Resumo: O Problema do Roteamento de Veículos (PRV) é um problema combinatório de difícil solução, aplicável tanto para logística de empresas de transporte quanto para melhor ocupação das vias públicas. Resolvê-lo testando todas as combinações possíveis (método de força bruta) torna-se inviável à medida que o problema escala, pois demanda um tempo de computação muito grande. Os Algoritmos Genéticos (AG) são meta-heurísticas capazes de encontrar soluções em um tempo computacional aceitável. Entretanto, mesmo os AG podem demandar um elevado tempo de processamento, dependendo das configurações utilizadas. Com a evolução das arquiteturas computacionais e a difusão das arquiteturas multicore, o uso da programação multithread torna-se uma alternativa para reduzir o tempo envolvido na solução de problemas combinatórios. Este artigo objetiva acelerar a resolução do PRV por meio da paralelização do AG com OpenMP, que é um padrão amplamente difundido para programação multithread. Nossos resultados atingiram um speedup acima de 2, utilizando 4 threads em um processador quadcore. Esse ganho está limitado à forma como o AG está implementado. Além do impacto no desempenho do AG também comprovou-se que o uso do OpenMP não afeta a qualidade das soluções. Adicionalmente, o uso do OpenMP permitiu que o AG encontrasse melhores soluções devido ao aumento do número de evoluções computadas num mesmo intervalo de tempo.Palavras-chave: Algoritmos genéticos. Desempenho. OpenMP. Qualidade das soluções. Abstract:Routing Vehicle Problem (RVP) is a combinatorial problem, hard to solve, used to improve the logistics of transport enterprises as well as to improve the traffic in the public ways. To solve it testing all combinations (brute force method) became unfisible as the problem scale, because it demands a large computing time. Genetic Algorithms (GA) are meta-heuristics able to find solutions in an acceptable computing time. However, even GA can demand a large computing time as they are set. Computional architectures evolution and the multicore difusion became the multithread programming an alternativ to reduce GA time. This article aims to speed up the RVP solution through the GA parallelization using OpenMP, which is a popular standard to multithreading programming. Our results show an speedup up to 2 for 4 threads in a quadcore processor. This gain is limited according to our GA is implemented. Beside the performance impact, we also show that the usage of OpenMP did not affect the solutions quality. Furthermore, OpenMP allow the GA to find better solutions because it make possible to increase the number of evolution in an time slice.

show abstract

Section: Parâmetros Do Ag Para As Instâncias-alvounclassified

O impacto da paralelização com OpenMP no desempenho e na qualidade das soluções de um Algoritmo Genético

Gressler

Cristina

2014

Revista Brasileira De Computação Aplicada

View full text Add to dashboard Cite

show abstract

“…Since most green problems are belonging of multi-objective optimization, PSO can be employed in particular problems. Although in multinomial function particle populations will quickly lose diversity and PSO will cause premature convergence and trap to local front rather than global ones [35]- [37], some researchers proposed some operators (like crossover) or hybridize by other algorithm to overcome partly the problem [35], [38]- [40]. Liu et al [38] and Masrom et al [39] hybridized PSO and GA to solve vehicle routing problem as a nonlinear transportation problem which the final algorithms can be used for logistics network optimization in GrSC problems.…”

Section: A Particle Swarm Optimizationmentioning

confidence: 99%

A Review of Nature-Based Algorithms Applications in Green Supply Chain Problems

Sadrnia¹,

Soltani²,

Zulkifli³

et al. 2014

IJET

View full text Add to dashboard Cite

Abstract-In the recent years, there is a significant attention among researchers and practitioners to environmental issues and green supply chain (GrSC) because of legislations and profit oriented motivations.Because of considering environmental issues GrSC besides the economic variables, the models are very difficult to find optimal. Hence, complicated green problems call for development of modern optimization methods and algorithms to solve optimization models by efficient techniques. In recent decades, meta-heuristic algorithms have been developed to overcome the problem that most of them are inspired from nature. Some of the algorithms have been inspired from natural generation, some of them inspired from swarm behavior, and others simulate natural processes. In this research we summarize the recent advance evolutionary optimization algorithms and swarm intelligence algorithms which are applied to GrSC and green logistics. Literature reviewed in this paper shows the current state of the art and discusses the potential future research trends.Index Terms-Evolutionary algorithms, green supply chain, meta-heuristic, swarm intelligence algorithms.

show abstract

Particle Swarm Optimization for the Vehicle Routing Problem: A Survey and a Comparative Analysis

Marinakis

Marinaki

Migdalas

2018

Handbook of Heuristics

View full text Add to dashboard Cite

Vehicle Routing Problem with Time Windows: A Hybrid Particle Swarm Optimization Approach

Cited by 12 publications

References 5 publications

O impacto da paralelização com OpenMP no desempenho e na qualidade das soluções de um Algoritmo Genético

O impacto da paralelização com OpenMP no desempenho e na qualidade das soluções de um Algoritmo Genético

A Review of Nature-Based Algorithms Applications in Green Supply Chain Problems

Particle Swarm Optimization for the Vehicle Routing Problem: A Survey and a Comparative Analysis

Contact Info

Product

Resources

About