一种基于K-Medoids聚类与改进遗传算法的车辆路线优化方法

本发明公开了一种基于K‑Medoids聚类与改进遗传算法的车辆路线优化方法，包括：获取输入数据，输入数据包括配送中心位置、客户需求、路段距离、交通流量、车辆信息以及时间窗口约束；根据配送中心位置、客户需求以及路段距离采用K‑Medoids聚类算法将客户点划分为K个聚类；对K个聚类中的每个客户点进行编号，再结合考虑了道路拥堵的时间序列，生成K个初始染色体种群；在每个染色体种群中，采用新的适应度函数计算每个染色体的适应度值并执行遗传迭代操作；判断是否满足终止条件，若满足终止条件，则输出最优解，否则继续迭代。本发明结合K‑Medoids聚类和改进遗传算法，解决了传统遗传算法在解决VRP问题时，求解过程收敛速度慢、容易陷入局部最优解的技术问题。