20、电动车辆路径规划问题的GRASP元启发式算法

电动车辆路径规划问题的GRASP元启发式算法

一、构建过程

在GRASP元启发式算法的每次迭代中，都需要构建一个新的有效电动车辆路径规划（EVRP）路线。这个路线将作为后续局部搜索的起点。根据GRASP的理念，采用了常用的最近邻（NN）启发式算法进行贪婪随机构建。但由于EVRP公式带来的额外约束，NN构建可能会产生无效的EVRP路线，因此需要一个修复程序，这里设计了一种名为分离顺序修复（SSF）的新程序来解决这个问题。

1. 最近邻（NN）构建

最近邻算法是一种常用于寻找旅行商问题（TSP）近似解的算法。如果忽略电池和负载约束，EVRP就等同于TSP。由于这些约束难以融入迭代构建过程，因此使用NN构建仅确定客户的访问顺序较为方便。

以下是NN构建的算法：

# 输入：图GID = (D ∪I, EID)
# 输出：访问所有客户的路线TTSP
def NN_construction(GID):
    TTSP = []
    D, I, EID = GID
    TTSP.append(D)
    # 标记所有客户为未访问
    unvisited_customers = set(I)
    # 随机选择第一个要访问的客户
    c = random.choice(list(unvisited_customers))
    TTSP.append(c)
    unvisited_customers.remove(c)
    while unvisited_customers:
        # 找到从当前客户到未访问客户的最短边
        shorte