摘要：随着电动车辆的逐步普及，电动车辆路径问题（EVRP）受到了广泛关注，但现有的模型大多忽略了充电设施的异构性或仅关注单一优化目标。本文考虑了EVRP中充电设施的充电速度与充电费用的异构性，以行驶总时间最短和总充电费用最小为优化目标，构建了具有混合变量的多目标EVRP模型（M-EVRP）。为了求解此模型，设计了一种混合变量多目标协同差分进化算法（MMODEmv）。MMODEmv将增量递归排序分组（IRRG）策略嵌入到合作式协同进化（CC）框架中，该策略结合了差分分组方法和单调性检查策略的优势，在划分种群时分离交互变量和非交互变量，提高了协同进化的效率。此外，该算法采用了松弛机制，以保持模型中变量之间的关联性。仿真实验表明，与4个代表性算法相比，MMODEmv在收敛性和多样性方面具有显著优势。
文章目录
0引 言
1 模型描述
1.1 约束条件
1.2 优化目标函数
2 混合变量多目标协同差分进化算法
3仿真实验
3.1 实例设计
3.2 对比算法和评价指标
3.3 实验结果与分析
4结论
