复合变邻域搜索算法如何解决长期车辆的合乘问题详细算法说明

　　针对于长期车辆合乘问题（ LTCPP），提出一种复合变邻域搜索算法（HVNSA），将具有相同目的地的用户进行合乘匹配从而减少车辆出行数量。首先，构建一个全面准确的长期车辆合乘问题的数学模型，将所有用户按复合距离优先算法分配到合乘小组中，对时间窗口和车容量约束验证，得到初始合乘方案；然后利用变邻域搜索算法对初始合乘方案进行优化迭代，得到最终的优化合乘方案。实验结果表明，该算法在处理100人和200人的规模问题上可以在Is内得到高质量的优化合乘方案，对于400人和1000人的较大规模问题，该算法仍然可以在2~4 s内得到较高质量的优化合乘方案。

　　随着我国经济的高速发展，私人汽车保有量急剧增加，导致城市交通拥堵和环境污染情况日益严重。为缓解以上问题并提升市民的出行效率，顺风车、网约车等车辆合乘模式开始涌现。但传统车辆合乘均采用即时匹配模式，缺乏稳定性且每天均需重复匹配过程，用户需要频繁操作且对计算资源的耗费十分巨大。本文研究的长期车辆合乘为解决以上弊端提供了新的手段。长期车辆合乘主要针对于大中型城市中具有相同或相近的上下班时间和工作地点，但居住分散的用户群体。合乘用户在成功匹配之后，其合乘关系将长期保持无需再次匹配。这种合乘模式可在很大程度上提高用户合乘的便利性，增加参与合乘的用户数量，继而减少私人汽车出行率、降低出行花费、缓解城市交通压力和减少污染物的排放。

　　本文针对长期车辆合乘问题提出了涵盖车容量和时间窗约束的全面数学模型，并在变邻域搜索的基础上提出了一种有效的复合算法。变邻域搜索算法具有算子设计自由度高、收敛速度快、不易陷入局部最优等特点，本文针对长期车辆合乘问题特点设计了专用算子，可在短时间内求得高质量的解决方案。仿真实验结果表明该算法求解质量高，且运算时间短，具有很高的时效性。