改进蚁群算法在应急VRP问题中的应用研究

提出一种改进的蚁群算法优化应急物流配送车辆路径问题算法,设计了应急物流配送车辆路径问题的数学模型,并利用计算机进行了仿真实验.实验结果表明,方法能有效解决应急物流配送车辆路径问题,具有一定的理论价值和实际意义.     

基于改进鲸鱼优化算法的物流路径优化

针对物流配送车辆路径难以优化以至于影响物流配送系统效率和效益的问题,提出一种基于鲸鱼优化算法的车辆路径优化方法.首先,建立物流配送系统数学模型.其次,针对传统鲸鱼优化算法易陷入局部最优的问题,采用随机惯性权重和非均匀变异策略对算法进行改进,并用过测试函数对比试验验证了所提方法的有效性.最后通过改进的鲸鱼优化算法进行物流路径优化实验,实验结果验证了所提出的改进鲸鱼优化算法能够高效的优化物流配送车辆路配送路径,降低了物流配送成本.     

物流配送车辆路径问题的鲁棒优化方法

针对物流配送中的不确定性因素,构建车辆路径间题的鲁棒性度量与优化方法,目的是降低不确定性因素对物流配送系统的影响.首先,提出车辆路径问题的鲁棒性度量指标,利用算例对各指标的效果进行分析,选择适用于度量车辆路径方案鲁棒性的指标.在此基础上,设计物流配送车辆路径规划的两阶段优化算法.算法的第一阶段不考虑车辆路径的鲁棒性,以总配送成本最小为目标函数优化配送方案;算法的第二阶段以鲁棒性度量指标最大为目标函数,以第一阶段获得的总成本与车辆数为约束条件,优化鲁棒调度方案.文章为车辆路径问题的鲁棒性度量提供了一种有效方法,同时为如何平衡供应链中的物流配送环节的服务作业成本与调度方案鲁棒性提供了思路.     

分车收发车辆路径问题的三个启发式算法之比较

车辆路径问题已经出现了很多的变种.在这些扩展的VRP问题当中,分车收发车辆路径问题就是其中之一.本文针对这一问题在已有的模型上加以改进,并且提出了摆脱车辆数限制的最远点拼车算法和竞争决策算法。最后结合最远点完全拼车算法通过数值实验对三者进行了比较.结果显示竞争决策算法得到的结果好于其他两者,其次是最远点拼车算法。     

多行程车辆路径问题中变邻域搜索算法的应用

多行程车辆路径问题是标准车辆路径问题的一个变体,每个车辆在运行期间可以使用不止一次.对于这种NP-HARD问题,提出了一个改进变邻域搜索算法并设计了四个邻域结构用于求解和制定多行程路径问题的调度规划.算法测试了一组标准实例问题,获得的解决方法与文献中提出的三种不同数据集进行比较计算证明,算法提供了较高质量的求解结果.最后采用三个标准函数进行数值计算,与PSO和GA算法进行比较证明,提出的VNS算法虽然运行花费时间较长,但是达到全局收敛性的比率和全局收敛性都远超其他两种算法.     

带时间窗车辆路径问题的改进节约算法

对节约算法进行了改进,并利用改进的节约算法解决了带时间窗约束的多类型车辆路径问题．首先讨论了带时间窗约束的单类型车辆路径问题,给出其模型,并归纳了几种通过改进传统的节约算法得到的用于求解带有具体约束车辆路径问题的改进节约算法．     

多时间窗车辆路径问题的智能水滴算法

研究了多时间窗车辆路径问题,考虑了车容量、多个硬时间窗限制等约束条件,以动用车辆的固定成本和车辆运行成本之和最小为目标,建立了整数线性规划模型。根据智能水滴算法的基本原理,设计了求解多时间窗车辆路径问题的快速算法,利用具体实例进行了模拟计算,并与遗传算法的计算结果进行了对比分析,结果显示,利用智能水滴算法求解多时间窗车辆路径问题,能够以很高的概率得到全局最优解,是求解多时间窗车辆路径问题的有效算法。     

基于新风险度量方式的危险品车辆路径双目标优化模型

针对危险品车辆路径问题中车辆访问多个需求点的特性,在风险度量方式上考虑了运输过程中车辆载重量变化,建立了最小化总运输距离以及最小化总运输风险的双目标优化模型.采用改进的蚁群算法对模型进行求解并获得优化问题的非支配解,数值实验说明改进的风险度量方式更适合于危险化学品车辆路径问题,改进的蚁群算法能够有效率地对模型进行求解.     

一类新的车辆路径问题及其两阶段算法(英文)

本文结合汽车零部件第三方物流业的实际背景,提出了一类新的车辆路径问题,它是一种带时间窗约束的分车运输同时收发车辆路径问题(简称SVRPSPDTW).接着给出了问题的模型,并提出求解问题的启发式算法:两阶段算法.最后在改进的Solomn的算例的基础上,进行了数值试验.     

带时间窗分车运输同时收发车辆路径问题及其启发式算法

本文结合汽车零部件第三方物流的实际背景,提出了带时间窗的可分车运输同时收发车辆路径问题(简称SVRPSPDTW),并给出了问题的数学模型,同时提出两个求解该问题的启发式算法,最后进行了数值试验.由于没有可以利用的算例,本文在Solomn测试基准库的基础上构建了针对新问题的算例.计算结果表明,所有算例计算时间均不超过1秒,且算法1无论是从车辆的使用数还是从车辆行驶的路径总长度上都明显优于算法2,从而说明算法1是寻找SVRPSPDTW问题初始可行解的较为有效的算法.     

免疫算法在车辆调度问题中的应用

免疫算法是模仿生物体高度进化、复杂的免疫系统仿生的一种智能化启发式算法。本文根据车辆调度问题的具体情况，应用免疫算法解决车辆调度中路线安排问题，并提出了一种基于分组匹配的亲和力的计算方法。实验结果表明，免疫算法能有效地应用于车辆调度中路线安排问题。     

旅行商问题最优路径的改进免疫遗传算法

本文研究了一种改进的求解旅行商问题最优路径的免疫遗传算法.结合随机法与贪心法生成初始种群,利用亲和度排序而选取抗体以得到复制群体,引入轮盘赌及克隆选择获取高亲和度抗体,并实施疫苗接种及免疫记忆更新抗体.运用免疫记忆机理的闭环逻辑,证明了该算法生成的城市序列是全局收敛的.数值实验证明该算法是有效的.     

区域集群下板材订单配置模型及算法研究

针对集群企业板材资源滞留、无法共享、加工旺季材料短缺等问题,依据区域板材特性和区域企业集群地理相关优势,建立以减少需求方板材订单采购费用最小化为目标的板材订单分配模型,采用以粒子群、免疫算法相结合的混合调度算法。计算过程中,将订单分配对应企业编号作为免疫系统的抗体基因,通过比较适应度函数解与订单预算成本的关系,将抗体群区分为支配解与非支配解,提高算法对抗原的免疫能力和最优解的选择概率。最后以板材订单分配实例进行试验仿真,分别采用PSO算法与IA-PSO算法进行试验对比,对平台上6家订单发布企业寻找合适地理位置相近和价格相对低廉的供应商。试验结果表明,IA-PSO算法能够有效地解决区域集群内板材订单的匹配问题,并且在寻找价格更低和位置更合适的供应商上更有优势。     

A computational approach for understanding immune response to multiple epitopes based on optimal control formulation

The immune system does not response in equal probability to every epitope of an invader. We investigate the immune system’s decision making process using optimal control principles. Mathematically, this formulation requires the solution of a two-point boundary-value problem, which is a challenging task especially when the control variables are bounded. In this work, we develop a computational approach based on the shooting technique for bounded optimal control problems. We then utilize the computational approach to carry out extensive numerical studies on a simple immune response model of two competing controls. Numerical solutions demonstrate that the results of optimal control depend on the objective function, the limitations on control inputs, as well as the amounts of peptides. Moreover, the state space of peptides can be divided into different regions according the properties of the solutions. The developed algorithm not only provides a useful tool for understanding decision making strategies of the immune system but can also be utilized to solve other complex optimal control problems.     

京津冀协同应对自然灾害应急资源配置优化研究

京津冀协同发展已成为国家战略。京津冀区县毗邻,在灾害分布上具有临近相似性和区域差异性的特点。本文从整合京津冀地区应急资源、协同应对突发事件的角度出发,提出了京津冀地区统筹规划下区域协同应对自然灾害的新模式。本文以京津冀地区应急物资保障的经济性和物资分配的公平性为目标,建立了多阶段、多灾种的京津冀协同应对自然灾害应急资源配置的多目标规划模型,在此基础上设计了一种多目标免疫算法。结合京津冀地区自然灾害发生的情景概率,验证了模型的科学性与算法的有效性,为京津冀地区乃至世界城市群协同应对应急资源的优化配置提供理论指导与科学的决策。     

基于免疫记忆克隆算法的指数化投资组合优化构建策略

本文基于克隆选择学说及基于克隆选择学说及生物免疫响应过程的相关机理,提出用于指数化投资的免疫记忆克隆算法,并将其应用于指数化投资组合优化构建模型的求解,旨在探索指数化投资的优化构建策略。文章首先提出多目标的指数化投资组合构建模型。其次,分别设计了适用于指数化投资组合构建策略的抗原、抗体、亲和度函数、克隆选择算子、免疫记忆算子和相应的进化算法。该算法有效避免了传统遗传算法所存在的计算后期解的多样性差、易早熟以及收敛速度慢等缺点。同时,提出了限制投资组合中股票数量的启发式算法。最后,使用包括上证180指数在内的6组世界主要股票市场指数及其成份股的历史数据对模型及算法进行测算,结果表明算法具有良好的求解能力和收敛速度,所建模型的合理性和有效性亦被论证,模型和算法均具有很强的实践价值;     

A novel hybrid immune algorithm and its convergence based on the steepest descent algorithm

This paper proposes a novel hybrid immune algorithm (HIA) that can overcome the typical drawback of the artificial immune algorithm (AIA), which runs slowly and experiences slow convergence. The HIA combines the adaptive AIA based on the steepest descent algorithm. The HIA fully displays global search ability and the global convergence of the immune algorithm. At the same time, it inserts a quasi-descent operator to strengthen its local search ability. A good convergence of the HIA with the quasi-descent idea is shown as well. Numerical experiment results show that the HIA successfully improves running speed and convergence performance.     

A New Optimal Algorithm for the Joint Replenishment Problem

In this paper, we propose a new optimal algorithm for the Joint Replenishment Problem. The proposed algorithm can be used to determine the optimal strict-cyclic policy, as well as the optimal among all cyclic policies for the joint replenishment problem. Computational experiments on randomly generated problems reveal that the proposed algorithm performs better than existing optimal algorithms for the problem.     

军事物流系统中定位-运输路线安排模型及算法

考虑到战时物资需求的紧迫性和保障资源的有限性,从决策者的角度出发,以军事物流系统总体供应时间最短为目标,构建了两级军事配送网络的定位-运输路线安排模型,并给出一种启发式算法.算法分为两个阶段,首先利用蚁群算法和线性规划的方法解决运输路线安排问题,然后运用贪婪搜索算法解决军事物流配送中心选址问题.最终,将两种算法结合起来进行逐步搜索,从而得到模型的解,并运用实例说明了算法的有效性和可行性.     

A novel chaos danger model immune algorithm

Making use of ergodicity and randomness of chaos, a novel chaos danger model immune algorithm (CDMIA) is presented by combining the benefits of chaos and danger model immune algorithm (DMIA). To maintain the diversity of antibodies and ensure the performances of the algorithm, two chaotic operators are proposed. Chaotic disturbance is used for updating the danger antibody to exploit local solution space, and the chaotic regeneration is referred to the safe antibody for exploring the entire solution space. In addition, the performances of the algorithm are examined based upon several benchmark problems. The experimental results indicate that the diversity of the population is improved noticeably, and the CDMIA exhibits a higher efficiency than the danger model immune algorithm and other optimization algorithms.