乘用车物流运输计划问题的建模研究

首先针对不同类型、数量乘用车的物流运输问题,构建整数线性规划模型,并对模型进行逐层优化求解,通过MATLAB编写通用程序实现计算;在此基础之上,为解决不同目的地的运输要求,采用启发式逐层优化算法进行求解;最后考虑多因素的实际问题,建立分层划分模型,提出构造型分层划分启发式算法求解.计算表明,所建模型计算结果良好,实现了对乘用车物流运输计划问题的优化.     

乘用车物流运输计划问题的研究

针对我国汽车工业高速发展的趋势,对乘用车物流运输计划问题进行了数学建模分析.根据实际需求,把问题分为装载问题和运输问题进行分析,本着先装后运的原则,对全部轿运车和乘用车进行配载优化.用两种类型的轿运车,采用整数规划的策略,结合线性规划的理论建立数学模型,并利用lingo软件编程求解,得到最优装载方案.     

同时加工排序问题的分支定界法和启发式算法

同时加工机器或者称为批加工机器是可以同时加工多个工件的机器．本文研究使带权总完工时间为最小的同时加工排序问题1|B|∑wjGj.这个问题的计算复杂性还没有解决．我们给出这个问题的精确解法——分支定界法和几个启发式算法，并且用较多实例对启发式算法的性能进行了比较．     

多车型车辆调度问题的优化模型

基于第十一届"华为杯"全国研究生数学建模竞赛E题第五问,针对一类多车型多目的地的整车物流运输调度问题,先直接计算完成总任务所需的车辆数来阐明该题的最优解的下界限为113辆,再对原始数据进行预处理,基于对乘用车的分类与排样算法,筛选出每种轿运车的M种装载方案代表,再对目的地位置及结合各目的地的任务需求,确定出3条不绕行路线,根据启发式调整优化算法,并以轿运车使用量最少及总行驶里程最短为优化目标,建立了多目标整数规划模型进行求解,最优可行解为114辆,其中1-1型91辆,1-2型18辆,2-2型5辆.     

基于资源受限广义指派问题的分解启发式算法

资源受限广义指派问题(RGAP)是NP-难的,对RGAP问题给出一个分解启发式算法.通过分解目标函数及约束条件,把原问题分解成子问题的集合,并设计分解启发式算法找到该问题的满意解.最后,通过算例说明算法的有效性.     

一类运输问题的启发式算法

本文讨论一类运输问题,并对这类问题给出启发式算法。     

一种整数线性乘积规划问题的分支定界算法

本文为了求解整数线性乘积规划(ILMP)问题的全局最优解,提出一种新的线性松弛分支定界算法.该算法利用对数函数的单调性及凹凸性,得到(ILMP)全局最小值的下界,并利用区域缩减技术以最大限度地删除不可行区域,加快该算法的收敛速度.最后数值实验表明,本文提出的算法是有效并且可行的.     

满足路径约束的最优路算法

满足路径约束的最优路问题已被证明是NP-hard问题。本针对源点到宿点满足两个QoS(服务质量)度量的路由问题，给出一种保证时延的最小费用路由启发式算法。这个算法的优点是计算较简单、占用内存小、时间短。算法的复杂度是多项式的，表明算法是有效的。     

考虑人员培训的任务指派问题模型及算法

随着劳动力成本的快速增长,越来越多的企业选择雇佣兼职员工。本文研究了中国一家家居企业的任务指派问题,该任务指派问题的特点是一个任务由多个子任务组成,并在安排时需要同时考虑人员培训和满足客户的服务时间的要求,该问题的目标是安排尽可能多的家装任务并获得尽可能多的收益。为了解决该问题,本文建立了整数规划模型,并设计高效的局部分支算法对模型进行求解。为了获得最佳的求解效果,我们实验分析了不同的分支变量和参数设置对算法性能的影响,并获得了最佳的参数设置。特别的,我们发现有效分支变量的选择与问题特点相关。实验还表明,在相同求解时间内,在13个算例中,局部分支算法在9个算例上的表现优于Gurobi。     

基于两种模型的整车物流运输计划问题研究

运用2014年全国研究生数学建模竞赛E题的数据,针对乘用车整车物流运输计划问题的第三问展开研究.首先建立整数规划模型,得到要运输156辆Ⅰ型、102辆Ⅱ型和39辆Ⅲ型乘用车的1-1型和1-2型轿运车的最优数量分别为25和5.其次建立逐步转化模型,假设297辆乘用车全为Ⅱ型乘用车,使Ⅲ型乘用车数量满足要求,然后仅考虑Ⅰ型和Ⅱ型乘用车,使Ⅰ型和Ⅱ型乘用车数量满足要求,得到的结果与整数规划模型结果相一致.最后给出逐步转化模型的通用算法和程序.     

基于两阶段启发式算法的物流配送选址-路径问题研究

为了解决配送中心选址与带时间窗的多中心车辆路径优化组合决策问题,利用双层规划法建立了配送中心选址与车辆路径安排的多目标整数规划模型,针对该模型的特点,采用两阶段启发式算法进行了求解。首先,通过基于聚集度的启发式算法对客户进行分类,确定了备选配送中心的服务范围;然后,基于双层规划法,以配送中心选址成本最小作为上层规划目标,以车辆配送成本最小作为下层规划目标,建立了多目标整数规划模型;最后,利用改进的蚁群算法进行了求解。通过分析实例数据和Barreto Benchmark算例的实验结果,验证了该模型的有效性和可行性。     

一类最小-最大车辆路线问题的启发式算法研究

针对个性化和多样性的需求,建立以缩短最长子线路为目标的最小-最大车辆路径问题模型, 并提出启发式算法求解。首先,采用自然数编码,使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;引入爬山算法,加强局部搜索能力;其次,对遗传算法求得的精英种群再进行禁忌搜索,保证算法能够收敛到全局最优。最后,通过实例的计算,表明本算法均优于遗传算法和禁忌搜索算法,并为大规模解决实际问题提供思路。     

混合启发式算法求解多配送人员车辆路径问题

为解决带时间窗和多配送人员的车辆路径问题,本文采用混合启发式算法对其进行求解。该算法主要由整数规划重组、局部搜索算法和模拟退火算法三部分组成。在算法中,整数规划重组有效提高了解的质量,局部搜索算法和模拟退火算法保证了算法搜索的深入性和广泛性。通过与CPLEX和禁忌搜索算法进行对比,证实了混合启发式算法实用价值更高,求解效果更好。     

基于模拟退火算法的城市物流多目标配送车辆路径优化研究

基于传统模拟退火算法,通过引入记忆函数、结合GIS手段,运用SPSS聚类分析来确定初始化状态种群、多种群并行机制和新状态的产生.依据种群规模采用不同产生算法来改进算法,并将改进算法应用于城市物流中确定的多目标车辆路径优化问题,验证了算法的可行性与实用价值.此外,改进算法分别与传统模拟退火算法和GIS图解法相比较,优化效率和准确率都得到了很大的提高.     

不确定运行时间环境下的车辆调度问题及启发式算法

考虑到物流公司或者配送中心车辆实际运行过程中时间的不确定性,提出了配送服务线路包含时间窗口、车辆容量约束的随机规划模型,以最小化车辆运行成本同时尽可能降低所服务顾客的不满意度.同时,又稍作改进给出了平均-风险模型,由于VRP问题是NP难的,给出了一种基于禁忌搜索的启发式算法,并以北京市13个点的为例,给出求解结果.     

A GA Based Heuristic for the Vehicle Routing Problem with Multiple Trips

A variant of the classical vehicle routing problem, where vehicles can be assigned to more than one route within a working time period, is investigated. A hybrid Genetic Algorithm, which uses a new non-binary chromosome representation and which is enhanced by a domain specific data structure, appropriate genetic operators and a scheme for chromosome evaluation, is proposed. Test problems from the literature are used to evaluate the performance of the proposed heuristic. Encouraging results are obtained.      

Heuristic Procedures for the Capacitated Vehicle Routing Problem

In this paper we present two new heuristic procedures for the Capacitated Vehicle Routing Problem (CVRP). The first one solves the problem from scratch, while the second one uses the information provided by a strong linear relaxation of the original problem. This second algorithm is designed to be used in a branch and cut approach to solve to optimality CVRP instances. In both heuristics, the initial solution is improved using tabu search techniques. Computational results over a set of known instances, most of them with a proved optimal solution, are given.