计算机工程与信息技术学报

几何平均法结合蚁群优化算法解决模糊环境下多目标运输问题

理查德·卡扬加·尼亚昆迪、塞缪尔·姆布瓜和拉特莫·马基亚

运输问题 (TP) 是优化领域的一个著名主题，也是商界人士面临的一个非常普遍的挑战。其目标是减少从多个来源向大量目的地运送资源的总运输成本、时间和距离。文献表明，尽管运输问题并不总是以双重目标开发，但各种方法的设计都着眼于一个目标。解决具有多个目标的运输难题是一项常见的任务。在本研究中，我们提出了一种使用几何平均数解决多标准运输问题的新方法，以及一种在模糊环境中解决多目标运输问题的蚁群优化算法 (ACO) 的新方法。模糊数已用于解决各种领域的实际问题，包括运筹学和优化。ACO 算法长期以来一直被认为是解决优化问题的可行替代策略。本研究的目的是提供一种组织模糊数的独特方法，以及增强用于解决多目标运输问题模型的 ACO 算法。此外，建议的方法非常简单，它可以为平衡和不平衡的 TP 找到最佳解决方案。我们的方法，例如几何平均蚁群优化算法 (GMACOA)，在目标值方面优于其他方法。提供了数值示例来证明该方法与各种当前方法的比较。