Research on vehicle routing problem with stochastic demand and PSO2DP algorithm with Inver2over operator

Σχετικά έγγραφα
Διοίκηση Εφοδιαστικής Αλυσίδας

A research on the influence of dummy activity on float in an AOA network and its amendments

ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ

ΔΙΠΛΩΜΑΣΙΚΗ ΕΡΓΑΙΑ. του φοιτητή του Σμήματοσ Ηλεκτρολόγων Μηχανικών και. Σεχνολογίασ Τπολογιςτών τησ Πολυτεχνικήσ χολήσ του. Πανεπιςτημίου Πατρών

Adaptive grouping difference variation wolf pack algorithm

Optimization Investment of Football Lottery Game Online Combinatorial Optimization

Probabilistic Approach to Robust Optimization

Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)

Optimization Investment of Football Lottery Game Online Combinatorial Optimization

Βιογραφικό σημείωμα Δρ. Ψύχας Ηρακλής - Δημήτριος

GPU. CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA. Parallelizing the Number Partitioning Problem for GPUs

CorV CVAC. CorV TU317. 1

Vol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb

High order interpolation function for surface contact problem

Models for Asset Liability Management and Its Application of the Pension Funds Problem in Liaoning Province

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή εργασία

Μοντέλο Βέλτιστης Δρομολόγησης Οχημάτων Διανομής Αγαθών με Ισοκατανομή Χρόνων Διαδρομών

ΕΠΙΧΕΙΡΗΣΙΑΚΗ EΡΕΥΝΑ & ΔΙΟΙΚΗΤΙΚΗ ΕΠΙΣΤΗΜΗ OPERATIONS RESEARCH & MANAGEMENT SCIENCE

GPGPU. Grover. On Large Scale Simulation of Grover s Algorithm by Using GPGPU

Research of Han Character Internal Codes Recognition Algorithm in the Multi2lingual Environment

: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM

Buried Markov Model Pairwise

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ. Τµήµα Μηχανολόγων Μηχανικών Βιοµηχανίας. Μάθηµα: ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ

ΥΠΟΔΕΙΓΜΑΤΑ ΓΙΑ ΤΗ ΒΕΛΤΙΣΤΗ ΕΚΜΕΤΑΛΛΕΥΣΗ ΤΗΣ ΑΝΑΞΙΟΠΟΙΗΤΗΣ ΜΕΤΑΦΟΡΙΚΗΣ ΔΥΝΑΜΙΚΟΤΗΤΑΣ ΣΤΟΛΟΥ ΟΧΗΜΑΤΩΝ ΚΑΤΑ ΤΗ ΦΑΣΗ ΤΗΣ ΔΙΑΝΟΜΗΣ

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια. Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής.

Control Theory & Applications PID (, )

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΠΑΝΑΣΧΕΔΙΑΣΜΟΣ ΓΡΑΜΜΗΣ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ ΜΕ ΧΡΗΣΗ ΕΡΓΑΛΕΙΩΝ ΛΙΤΗΣ ΠΑΡΑΓΩΓΗΣ REDESIGNING AN ASSEMBLY LINE WITH LEAN PRODUCTION TOOLS

Άρθρο που δημοσιεύθηκε στα πρακτικά του 23 ου Εθνικού Συνεδρίου ΕΕΕΕ. Αθήνα,12-14 Σεπτεμβρίου 2012

Schedulability Analysis Algorithm for Timing Constraint Workflow Models

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ

Newman Modularity Newman [4], [5] Newman Q Q Q greedy algorithm[6] Newman Newman Q 1 Tabu Search[7] Newman Newman Newman Q Newman 1 2 Newman 3

Research on real-time inverse kinematics algorithms for 6R robots

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΔΠΜΣ ΠΕΡΙΒΑΛΛΟΝ ΚΑΙ ΑΝΑΠΤΥΞΗ

1 (forward modeling) 2 (data-driven modeling) e- Quest EnergyPlus DeST 1.1. {X t } ARMA. S.Sp. Pappas [4]

1 Εισαγωγή Εφοδιαστική Εφοδιαστική Αλυσίδα Αποφάσεις στην ιαχείριση της Εφοδιαστικής Αλυσίδας

Quick algorithm f or computing core attribute

ΒΕΛΤΙΣΤΕΣ ΙΑ ΡΟΜΕΣ ΣΕ ΙΚΤΥΑ ΜΕΤΑΒΛΗΤΟΥ ΚΟΣΤΟΥΣ

Διαχείριση Εφοδιαστικής Αλυσίδας

Simplex Crossover for Real-coded Genetic Algolithms

2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems

Research on model of early2warning of enterprise crisis based on entropy

Nov Journal of Zhengzhou University Engineering Science Vol. 36 No FCM. A doi /j. issn

Παράλληλος προγραμματισμός περιστροφικών αλγορίθμων εξωτερικών σημείων τύπου simplex ΠΛΟΣΚΑΣ ΝΙΚΟΛΑΟΣ

Algorithms to solve Unit Commitment Problem

On line real time routing algorithms for stochastic networks : The case of Stochastic Inventory Routing Problem

Βιογραφικό Σηµείωµα ΚΩΝΣΤΑΝΤΙΝΟΣ Ν. ΑΝ ΡΟΥΤΣΟΠΟΥΛΟΣ

ER-Tree (Extended R*-Tree)

Antimicrobial Ability of Limonene, a Natural and Active Monoterpene

Development of a Seismic Data Analysis System for a Short-term Training for Researchers from Developing Countries

CAP A CAP

Correction of chromatic aberration for human eyes with diffractive-refractive hybrid elements

ΜΟΝΤΕΛΑ ΛΗΨΗΣ ΑΠΟΦΑΣΕΩΝ

ΧΡΗΣΤΟΣ Δ. ΤΑΡΑΝΤΙΛΗΣ

Congruence Classes of Invertible Matrices of Order 3 over F 2

ΑΝΑΘΕΣΗ ΚΑΙ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΟΜΑΔΕΣ ΜΗΧΑΝΗΜΑΤΩΝ ΣΤΗΝ ΕΦΟΔΙΑΣΤΙΚΗ ΑΛΥΣΙΔΑ ΒΙΟΜΑΖΑΣ. Denmark

ΑΠΟΣΠΑΣΜΑ Π Ρ Α Κ Τ Ι Κ ΟΥ 3 ΤΟΥ ΣΥΜΒΟΥΛΙΟΥ ΣΧΟΛΗΣ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ

Διαχείριση Εφοδιαστικής Αλυσίδας

ΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ

A System Dynamics Model on Multiple2Echelon Control

( ) , ) , ; kg 1) 80 % kg. Vol. 28,No. 1 Jan.,2006 RESOURCES SCIENCE : (2006) ,2 ,,,, ; ;

ΧΡΗΣΤΟΣ Δ. ΤΑΡΑΝΤΙΛΗΣ

ΓΗΠΛΧΜΑΣΗΚΖ ΔΡΓΑΗΑ ΑΡΥΗΣΔΚΣΟΝΗΚΖ ΣΧΝ ΓΔΦΤΡΧΝ ΑΠΟ ΑΠΟΦΖ ΜΟΡΦΟΛΟΓΗΑ ΚΑΗ ΑΗΘΖΣΗΚΖ

Ανάλυση Προτιμήσεων για τη Χρήση Συστήματος Κοινόχρηστων Ποδηλάτων στην Αθήνα

Karl Marx s theory of economic crises

ΠΕΡΙΛΗΨΗ. Λέξεις κλειδιά: Υγεία και συμπεριφορές υγείας, χρήση, ψυχότροπες ουσίες, κοινωνικό κεφάλαιο.

ΚΕΙΜΕΝΟΚΕΝΤΡΙΚΗ ΘΕΩΡΙΑ: ΘΕΩΡΗΤΙΚΟ ΠΛΑΙΣΙΟ ΚΑΙ ΠΕΙΡΑΜΑΤΙΚΗ ΕΦΑΡΜΟΓΗ ΣΕ ΣΠΠΕ ΜΕ ΣΤΟΧΟ ΤΟΝ ΠΕΡΙΒΑΛΛΟΝΤΙΚΟ ΓΡΑΜΜΑΤΙΣΜΟ ΤΩΝ ΜΑΘΗΤΩΝ

Arbitrage Analysis of Futures Market with Frictions

Πανεπιζηήμιο Πειπαιώρ Τμήμα Πληποθοπικήρ

Stabilization of stock price prediction by cross entropy optimization

The Impact of Stopping IPO in Shenzhen A Stock Market on Guiding Pattern of Information in China s Stock Markets

1. A fully continuous 20-payment years, 30-year term life insurance of 2000 is issued to (35). You are given n A 1

I. Μητρώο Εξωτερικών Μελών της ημεδαπής για το γνωστικό αντικείμενο «Μη Γραμμικές Ελλειπτικές Διαφορικές Εξισώσεις»

ΕΛΕΓΧΟΣ ΚΑΙ ΤΡΟΦΟΔΟΤΗΣΗ ΜΕΛΙΣΣΟΚΟΜΕΙΟΥ ΑΠΟ ΑΠΟΣΤΑΣΗ

Applying Markov Decision Processes to Role-playing Game

Ευρετικές Μέθοδοι. Ενότητα 3: Ευρετικές μέθοδοι αρχικοποίησης και βελτίωσης για το TSP. Άγγελος Σιφαλέρας. Μεταπτυχιακό Εφαρμοσμένης Πληροφορικής

Homomorphism in Intuitionistic Fuzzy Automata

Estimation of stability region for a class of switched linear systems with multiple equilibrium points

Δθαξκνζκέλα καζεκαηηθά δίθηπα: ε πεξίπησζε ηνπ ζπζηεκηθνύ θηλδύλνπ ζε κηθξνεπίπεδν.

Ηλεκτρονικές Πηγές: πεπραγμένα Άννα Φράγκου Μερσίνη Κακούρη Παναγιώτης Γεωργίου Μαρία Νταουντάκη. και. Πόπη Φλώρου Ελευθερία Κοσέογλου

Ψηφιακή Οικονομία. Διάλεξη 11η: Markets and Strategic Interaction in Networks Mαρίνα Μπιτσάκη Τμήμα Επιστήμης Υπολογιστών

2002 Journal of Software

Research on Hybrid Particle Swarm Optimization for Automobile Logistics Network Design Problem

þÿ Ç»¹º ³µÃ ± : Ãż²» Ä Â

Ευρετικές Μέθοδοι. Ενότητα 2: Βασικές έννοιες των σύγχρονων ευρετικών μεθόδων. Άγγελος Σιφαλέρας. Μεταπτυχιακό Εφαρμοσμένης Πληροφορικής

Μαθαίνοντας µε την Τεχνολογία των Πολυµέσων Υπόσχεση ή Πραγµατικότητα;

ΠΡΟΤΕΙΝΟΜΕΝΑ ΘΕΜΑΤΑ ΔΙΠΛΩΜΑΤΙΚΩΝ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ Εισηγητής: Νίκος Πλόσκας Επίκουρος Καθηγητής ΤΜΠΤ

Stress Relaxation Test and Constitutive Equation of Saturated Soft Soil

Main source: "Discrete-time systems and computer control" by Α. ΣΚΟΔΡΑΣ ΨΗΦΙΑΚΟΣ ΕΛΕΓΧΟΣ ΔΙΑΛΕΞΗ 4 ΔΙΑΦΑΝΕΙΑ 1

90 [, ] p Panel nested error structure) : Lagrange-multiple LM) Honda [3] LM ; King Wu, Baltagi, Chang Li [4] Moulton Randolph ANOVA) F p Panel,, p Z

Web-based supplementary materials for Bayesian Quantile Regression for Ordinal Longitudinal Data

ΚΙΝ ΥΝΟΙ ΛΟΙΜΩΞΕΩΝ ΧΕΙΡΟΥΡΓΙΚΗΣ ΘΕΣΗΣ ΓΥΝΑΙΚΩΝ ΠΟΥ ΥΠΟΒΑΛΛΟΝΤΑΙ ΣΕ ΚΑΙΣΑΡΙΚΗ ΤΟΜΗ

Μεταπτυχιακή εργασία : Μελέτη της εξέλιξης του προσφυγικού οικισμού της Νέας Φιλαδέλφειας με χρήση μεθόδων Γεωπληροφορικής.

Elements of Information Theory

ΚΑΠΛΑΝΟΓΛΟΥ ΚΛΕΙΩ ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΩΝ Τ.Ε.Π. ΣΤΗΝ ΕΛΛΑ Α Ειδίκευσης ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΙΟΙΚΗΣΗ ΤΗΣ ΥΓΕΙΑΣ ΤΕΙ

CORDIC Background (4A)

THE CALL-BY-NEED LAMBDA CALCULUS, REVISITED

Working Paper Series 06/2007. Regulating financial conglomerates. Freixas, X., Loranth, G. and Morrison, A.D.

A Lagrange relaxation algorithm for capacitated lot-size problem(clsp) with minimum lot-size constraint

Aρχιμήδης ΙΙΙ Υποέργο 29 Σχεδίαση Συγκοινωνιακών Συστημάτων με Χρήση Μηχανικής Μάθησης

Optimal methods and its application of large pumping station operation

Transcript:

2008 10 10 :100026788 (2008) 1020076206 (, 400074) :, Inver2over,,, : ; ; ; Inver2over ; : F54015 : A Research on vehicle routing problem with stochastic demand and PSO2DP algorithm with Inver2over operator PENG Yong ( Traffic & Transportation School, Chongqing Jiaotong Univ, Chongqing 400074, China) Abstract : This paper discussed one vehicle routing problem(vrp) with stochastic demand. A PSO(Particle Swarm Optimization) 2DP(Dynamic Programming) algorithm with Inver2over operator was provided to find the priori tour with the minimal expected cost. PSO with Inver2over operator was used to optimize the priori tour. And DP was used to calculate the fitness value, that is, the expected cost of the priori. At last, a numerical example was available. Key words : VRP ; PSO ; dynamic programming ; Inver2over ; stochastic demand 1,,. (VRP). CVRP MDVRP PVRP SDVRP SVRP VRPB VRPPD VRPSF VRPTW [1 8 ].,..,,,,,,,. (PSO), Eberhart Kennedy, [9 ]. PSO,.,. 2,, [10 ]. :2007204216 : (1973 - ),,,,, :,E2mail :pyepeng @hotmail. com.

10 77 Inver2over [11 ], (DP),.. 2 G = ( V, A, D),,V = {0,1,, n} ( ) (0 ),A = { ( i, j) : i, j V, i j}, D = { d i, j : i, j V, i j}.. Q.. i ( i = 1,, n),. ( ),, 1,., ;,,,,,,,,. i Q, p i, k = Pr ob ( i = k), k = 0,1,, K Q. s = (0, s (1), s (2),, s ( n) ),. 0, s (1), s (2),, s ( n),,, (, 0, ),.,,,.. s = (0,1,, n). j, q, f j ( q) j ( ),, f 0 ( Q) ; f p j ( q), f r j ( q). j f j ( q) : f p j ( q) : f p j ( q) = (1 - p j+1,0 ) d j, j+1 + f j+1 ( q - k) p j+1, k + f j ( q) = minimum{ f p j ( q),f r j ( q) } (1) + p j+1,0 (1 - p j+2,0 ) d j, j+2 + f j+2 ( q - k) p j+2, k + (2 d j+1,0 + f j+1 ( q + Q - k) ) p j+1, k + p j+1,0 p j+2,0 (1 - p j+3,0 ) d j, j+3 + f j+3 ( q - k) p j+3, k + + + p j+1,0 p n,0 (1 - p n+1,0 ) d j, n+1 + f n+1 ( q - k) p n+1, k + (2 d n+1,0 + f n+1 ( q + Q - k) ) p n+1, k + p j+1,0 p n,0 p n+1,0 d j, n+1, (2 d j+2,0 + f j+2 ( q + Q - k) ) p j+2, k (2 d j+3,0 + f j+3 ( q + Q - k) ) p j+3, k Πj (0,1,, n) (2) f r j ( q) :

: : : f r j ( q) = d j,0 + (1 - p j+1,0 ) d 0, j+1 + FP j ( q) = : FP n + 1 ( q) = 0. : 78 2008 10 : : FR n + 1 ( q) = 0 f j+1 ( Q - + p j+1,0 (1 - p j+2,0 ) d 0, j+2 + f j+2 ( Q - + p j+1,0 p j+2,0 (1 - p j+3,0 ) d 0, j+3 + k) p j+1, k k) p j+2, k f j+3 ( Q - k) p j+3, k + + p j+1,0 p n,0 (1 - p n+1,0 ) d 0, n+1 + d i, n+1 = d i,0, Π i (0,1,2,, n) d n+1,0 = 0 p n+1, k = 1, k = 0 0, otherwise f n+1 ( q) = 0 f j+1 ( q - k) p j+1, k + f n+1 ( Q - k) p n+1, k, Πj (0,1,, n) (3) (2 d j+1,0 + f j+1 ( q + Q - k) ) p j+1, k + p j+1,0 FP j+1 ( q) (4) f p j ( q) = (1 - p j+1,0 ) d j, j+1 + p j+1,0 (1 - p j+2,0 ) d j, j+2 + p j+1,0 p j+2,0 (1 - p j+3,0 ) d j, j+3 1 f r j ( q). + + p j+1,0 p n,0 (1 - p n+1,0 ) d j, n+1 + p j+1,0 p n,0 p n+1,0 d j, n+1 + FP j ( q) (5) FR j ( q) = (1 - p j+1,0 ) d 0, j+1 + f j+1 ( Q - k) p j+1, k + p j+1,0 FR j+1 ( q) (6) f r j ( q) = d j,0 + FR j ( q) (7) f r j ( q),, d j,0 q ; FR j ( q) q.,f r j ( q) q. 2 f j ( q). f j ( q), q, j. q 1 q 2, q 2,, q = q 2 - q 1,, q 1,, q 2 j q 1 j.,f j ( q 1 ) f j ( q 2 ). 3 h j, q h j,f j ( q) = f p j ( q) ;,f j ( q) = f r j ( q). q, q,,,,,,, f p j ( q) f r j ( q) ; q = Q - q, q,,,,f p j ( q) f r j ( q)., f p j ( q) f r j ( q). h j q Q, q h j, f j ( q) = f p j ( q)., 2, q h j, f j ( q) = f r j ( q)., h j., (DP) : 1 (6) (7) f r j ( q) ;

10 79 2 (4) (5) f p j ( q) ; 3 (1) f j ( q) ; 4 1 3, j = 1 ; 5 (6) (7) f r 0 ( Q), (4) (5) f p 0 ( Q), (1) f 0 ( Q). 3 Inver2over PSO2DP PSO,,. PSO. ( ),.,.,.,.. 6, (1,2,5, 4,6,3) 0 1 2 5 4 6 3 0. (DP) : 1, DP ; 2, i ; 3 rand p, j ; p < rand p c, i j ;, i j ; 4, i j, 6 ; 5, i j Inver2 over, i = j, 3 ; 6 DP,,, ;, ; 2, ; 7 ; 8 2,. 2 Inver2over PSO2DP 4 Q = 10 12, ( 1),, 0 1 2 3 4 5 6, ( 2).,,, ( ),. 20, 200, p = 0104-0103 Π, p c = 013. p PSO,,, p,, ( p ). Inver2over PSO2DP : 0 10 12 4 11 6 9 8 1 3 5 2 7 0 40193.

80 2008 10 1 (0 ) 1 2 3 4 5 6 7 8 9 10 11 12 0 4. 12 2. 55 1. 13 5. 45 5. 26 5. 55 1. 12 1. 64 1. 31 4. 04 4. 19 3. 46 1 4. 99 1. 51 3. 81 4. 23 4. 91 5. 52 1. 34 2. 11 4. 56 5. 56 2. 06 2 5. 68 5. 72 3. 38 4. 03 1. 05 2. 72 5. 03 4. 77 3. 69 2. 77 3 4. 41 2. 31 1. 31 4. 64 2. 24 3. 94 5. 51 4. 86 2. 13 4 3. 65 2. 33 4. 59 4. 69 5. 46 2. 93 2. 40 1. 92 5 3. 81 3. 04 2. 70 3. 21 5. 44 4. 20 3. 18 6 3. 46 1. 73 1. 37 4. 39 2. 06 4. 21 7 3. 97 3. 03 2. 23 3. 03 2. 10 8 1. 65 5. 82 4. 87 4. 88 9 2. 98 4. 33 2. 82 10 2. 92 1. 09 11 2. 34 2 0 1 2 3 4 5 6 1 0. 24345 0. 054569 0. 16133 0. 12971 0. 032936 0. 097919 0. 28009 2 0. 13662 0. 027712 0. 04536 0. 12235 0. 13486 0. 22554 0. 30757 3 0. 082525 0. 090671 0. 088191 0. 25539 0. 077449 0. 2345 0. 17127 4 0. 13108 0. 20114 0. 059234 0. 16738 0. 0021825 0. 12681 0. 31217 5 0. 13954 0. 050703 0. 30254 0. 2942 0. 088107 0. 031363 0. 093553 6 0. 28669 0. 034003 0. 19568 0. 056504 0. 16103 0. 050269 0. 21583 7 0. 14629 0. 092226 0. 11449 0. 056507 0. 1848 0. 19528 0. 2104 8 0. 12249 0. 21857 0. 14159 0. 20943 0. 051093 0. 024589 0. 23223 9 0. 21392 0. 15604 0. 05198 0. 26328 0. 064535 0. 16897 0. 081277 10 0. 03009 0. 016473 0. 066693 0. 26944 0. 10769 0. 31589 0. 19373 11 0. 11571 0. 08452 0. 20838 0. 038973 0. 23886 0. 080667 0. 2329 12 0. 15502 0. 29702 0. 098522 0. 11719 0. 03415 0. 084814 0. 21329 5,.,.,,,,,,. Inver2over, (DP),.. : [ 1 ] Cordeau J 2F, Laporte G,Mercier A. A unified tabu search heuristic for vehicle routing problems with time windows[j ]. Journal of the Operational Research Society, 2001, 52 : 928-936. [ 2 ] Desaulniers G, Lavigne J, Soumis F. Multi2depot vehicle scheduling problems with time windows and waiting costs[j ]. European Journal of Operational Research, 1998, 111 : 479-494. [ 3 ] Freling R, Wagelmans A P M, Paixao J M P. Models and algorithms for single2depot vehicle scheduling [J ]. Transportation Science, 2001, 35 : 165-180. [ 4 ] Hadjar A, Marcotte O, Soumis F. A branch2and2cut algorithm for the multiple depot vehicle scheduling problem[j ]. Operations

10 81 Research, 2006, 54 : 130-149. [ 5 ] Bent R W,Hentenryck P V. Scenario2based planning for partially dynamic vehicle routing with stochastic customers[j ]. Operations Research, 2004, 52 (6) : 977-987. [ 6 ] Bianchessi N,Righini G. Heuristic algorithms for the vehicle routing problem with simultaneous pick2up and delivery[j ]. Computers and Operations Research, 2006, 34 :578-594. [ 7 ] Toth P, Vigo D. The Vehicle Routing Problem [ M ]. SIAM Monographs on Discrete Mathematics and Applications, SIAM Publishing, 2002. [ 8 ] Secomandi N. A rollout policy for the vehicle routing problem with stochastic demands[j ]. Operations Research, 2001, 49 (5) :796-802. [ 9 ] Kennedy J, Eberhart R C. Particle swarm optimization[ C]ΠΠProceedings of IEEE International Conference on Neutral Networks, Australia, 1995, 4 : 1942-1948. [10 ],,. [J ].,2005,28 (12) :1980-1987. Gao H B,et al. General particle swarm optimization model[j ]. Chinese Journal of Computers, 2005, 28 (12) : 1980-1987. [11 ] Michalewicz Z, et al. How to Solve It : Modern Heuristics[M]. Berlin : Springer2Verlag, 2000. ( 75 ) [ 9 ] Albert R, Barabasi A L. Statistical mechanics of complex networks[j ]. Review of Modern Physics,2002,74 :47-91. [10 ] Garlaschelli D, Loffredo M I. Fitness2dependent topological properties of the world trade web[j ]. Physical Review Letters, 2004, 93 : 188701. [11 ],. [J ]., 2004, 24 (6) : 1-3. Tan YJ,Wu J. Network structure entropy and its application to scale free networks[j ]. Systems Engineering - Theory & Practice, 2004, 24 (6) :1-3. [12 ] Newman M E J. The structure and function of complex network[j ]. SIAM Review, 2003, 45 (2) : 167-256. [13 ] Newman M E J. Assortative mixing in networks[j ]. Physical Review Letters, 2002, 89 : 208701. [14 ] Garlaschelli D, Loffredo M I. Patterns of link reciprocity in directed networks[j ]. Physical Review Letters, 2004, 93 : 268701.