摘 要：为了提升传统遗传算法的寻优能力，本文提出了基于群体竞争的遗传算法，并从算法设计上说明了其寻优速度提升、不容易陷入局部最优的原因;将基于群体竞争的遗传算法应用于复合函数最大值的求取上，并对比传统遗传算法的寻优结果，结果发现前者寻优速度快;最后将算法应用于基于时间窗的车辆路径规划上，并得出了最优解。

关键词：群体竞争遗传算法;时间窗;车辆路径规划

中图分类号：TU443文献标识码：A文章编号：1003-5168（2021）04-0016-04

Abstract： In order to improve the optimization ability of traditional genetic algorithms， this paper proposed a genetic algorithm based of group competition， and explained the reason why its optimization speed increased and it was not easy to fall into a local optimum from the algorithm design; applied the genetic algorithm based on group competition to the maximum value of the compound function， and compared with the optimization results of the traditional genetic algorithm， found that the former was fast; finally applied the algorithm to the vehicle path planning based on time window， and obtained the optimal solution.

Keywords： genetic algorithm of group competition;time window;vehicle path planning

将人或者动物身上的奥秘进行解码，并应用于科学实践，一直是科学家的梦想。现在，很多成果已经被普及，其在智能化算法应用上的表现尤为突出，如遗传算法、免疫算法、蚁群算法、神经网络算法和模糊算法等[1-2]。遗传算法在系统寻优上存在绝对优势，所以被越来越多地应用于路径规划上。

达尔文的《物种起源》对遗传进化的思想进行了阐述，指出了微小概率的变异经过优胜劣汰的自然选择，最后会引发群体的集体进化。这种进化思想被美国人霍兰德成功应用于寻优算法，遗传算法就此诞生。

1 基于群体竞争的遗传算法

遗传算法需要先对所求解的问题进行编码，把求解空间编码成二进制或者十进制的字符串，表示可行解的空间，其最终目的是应用于计算机的求解[3-5]。每一个由二进制或者十进制组成的编码串可以看作是一个个体，个体中的每位二进制或者十进制称为基因。在算法运行之初，先随机产生多个个体，称为种群。……