前言：我又从仓库里面翻出来了2020年写的一篇博文，作为我无知青葱岁月的留影。

粒子群算法求解多配送中心的车辆调度优化问题（python3）

紧接上一篇文章《遗传+粒子群 求解多配送中心车辆调度问题（python）》，考虑采用多线程的方式封装粒子群算法，加快算法的整体求解速度。

1.代码实现

def get_lower_solution(location_index):location_customer_list = allocation_customer(location_index)ind_routes = []ind_value = 0thread_list = []for i in range(len(location_index)):supply_index = location_index[i]demand_nodes = location_customer_list[i]demand_nodes = [i + 1 for i in demand_nodes]  # 需求节点的编号从1开始demand_node_num = len(demand_nodes)# 采用粒子群算法针对需求节点的索引进行计算下层模型的成本pso_parameter_dict['dim'] = pso_parameter_dict['solution_layer'] * demand_node_num  # 一个粒子的维度pso_parameter_dict['x_bound'] = [[1, data_dict['vehicle_num']], [1, demand_node_num]]  # 自变量的上下限限制distance_graph, pathTime_graph = get_pathLen_time(supply_index)# 初始化粒子群类pso = pso_operation(pso_parameter_dict, data_dict,demand_nodes, distance_graph, pathTime_graph, )thread_list.append(pso)for ind_thread in thread_list:ind_thread.start()for ind_thread in thread_list:ind_thread.join()best_routes, best_value = ind_thread.get_result()ind_routes += best_routesind_value += best_valuereturn ind_routes, ind_value

2.效能比较

感觉并没有快，为了防止粒子群算法封装的类函数的属性被修改，所以采用了锁的机制。

3.小结

参考文章：
1.python队列基本使用https://www.cnblogs.com/yhleng/p/9493457.html
2.Python建立多线程任务并获取每个线程返回值https://www.cnblogs.com/bethansy/p/7965820.html
3.Python—线程的锁https://blog.csdn.net/weixin_41678001/article/details/84487536
4.Python threading(多线程）https://www.cnblogs.com/leozhanggg/p/10317494.html
5.Python中的多线程
https://baijiahao.baidu.com/s?id=1637308955850713833&wfr=spider&for=pc
6.Python多线程与队列https://www.cnblogs.com/yonguo123/p/11901050.html
7.Python多线程——队列（Queue）https://www.jianshu.com/p/e30d302ebdeb
8.python 实现多线程并返回函数返回值的三种方法https://blog.csdn.net/qq_43178297/article/details/102805223
9.Python3用多线程替代for循环提升程序运行速度
https://www.cnblogs.com/LanTianYou/p/11498525.html
10.[Python技巧]如何加快循环操作和Numpy数组运算速度
https://blog.csdn.net/lc013/article/details/100033413
11.多线程https://www.liaoxuefeng.com/wiki/897692888725344/923056337842176