一种求解车辆路径问题的双目标遗传算法

车辆路径问题是一个NP-难问题,将该问题描述成为一个多目标最优化问题,并为之提出了一种双目标遗传算法来解决该问题.在算法中设计了一种新的构造非支配集的方法,改进了杂交算子,混合了局部爬山法.实验结果表明该算法是求解车辆路径问题的一种高效的算法.     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

基于改进蚁群算法的双向物流路径优化

针对物流路径优化已有算法运算过程复杂、精度不高、过早收敛等问题,对蚁群算法进行了改进,以解决物流路径优化问题.为了消除蚁群算法的易停滞、收敛慢等问题,从蚂蚁转移策略、信息素更新方式以及遗传算法的融合等方面对算法进行了改进.针对双向物流的路径优化问题,通过增加启发函数、设计转移策略等方面来改进蚁群算法,使得算法能更好地考虑综合因素来进行搜索,能够更全面、更准确地找到合适的下一节点,从而得到更优的路线.     

生产调度问题的模糊满意优化

研究了生产调度的模糊多目标优化问题．分析了生产调度问题中的优化目标和系统约束的模糊性，分别定义了其模糊满意度，形成了一类具有模糊目标和模糊约束的多目标优化模型，运用模糊优化算法进行求解，对一算例进行了仿真研究，验证了该算法的有效性。     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子...     

油料调度保障问题的多目标优化方法

【目的】研究油料保障活动中的调度保障问题。【方法】综合多方面因素，构建了以调度效率最大化、系统调度成本最小化以及系统调度时间最小化为目标函数的多目标优化模型。【结果】利用多目标优化的主要目标法等标量化方法将问题转化为单目标优化模型，分析该模型解的性质并提出相应的遗传算法进行求解。【结论】提出的多目标优化方法能够在保障调度效率的同时获得相应较低的系统成本和相应较短的系统调度时间，可为油料调度保障问题提供决策参考。     

基于规则与生物免疫机理的多目标作业调度方法应用研究

敏捷制造单元是一个涉及多目标、多约束和多扰动的复杂系统，它的最优作业调度求解有很大难度。这里分析了敏捷制造环境的作业调度规律及其特点，建立了用于调度启发式规则集合，构造了基于生物免疫机理的作业调度算法，并对生物智能算法涉及的相关参数进行了分析与优化。并且以调度案例库中的部分案例为对象，给出了基于规则和生物智能计算调度方法的优化结果，及其与其他调度方法的对比分析。     

带时间窗的4PL路径优化问题的两阶段求解

以第四方物流(fourth partylogistics,4PL)为背景,针对带有时间窗约束的4PL路径优化问题,设计了一个两阶段算法.该算法首先根据和声搜索算法的优化机制在配送网络多重图上产生一个简单图,然后采用删除算法求出简单图上的前K条费用最短路径.该算法能确保产生的解是合法的连通路径,不需要对非法路径进行修复,能保留解的信息且节省大量的计算时间.对不同规模的3个算例进行求解,并与传统的和声搜索算法和枚举算法进行对比分析.结果表明,本文算法的求解效果优于传统的和声搜索算法和枚举算法,是求解该类问题的有效算法.     

快通系统排队问题的建模与多目标优化

为减少游乐场游客排队时间并提高其满意度,通过改进通道设计和增加团体游客类型等因素建立快通系统模型,并对其进行多目标优化.首先以平均等待时间、平均逗留时间和游客满意度为因子建立评价系统,并进一步提出初始多目标模型;然后通过改进通道设计和增加现实约束条件,建立了多目标优化模型并给出模拟求解算法;最后仿真结果表明所建立的优化模型能够大大减少游客等待时间并提升满意度.     

公交区域车辆调度优化研究现状与发展

区域范围内车辆调度是以给定时刻表和一定数量的分布在各个车场的车辆为前提,在满足所有约束条件和相关规定的条件下,得出所需车辆最少或费用最小的车辆调度方案.区域范围内的公交车辆调度过程非常复杂,一直是公交领域研究的热点问题之一.本文在阐述车辆调度问题的基础上,对车辆调度问题的可行模型与算法的研究现状进行了综述,同时对公交车辆调度研究的扩展问题进行了分析.     

基于改进粒子群优化算法求解带时间窗的车辆路径问题研究

针对粒子群优化算法易出现早熟收敛、陷入局部最优的问题,提出了在粒子群搜索解的过程中监控粒子健康度的方法,对健康度低的粒子进行交叉操作。该方法既保证了健康粒子继续搜索最优解,又有效地改变了非健康粒子的状态,提高了粒子群的寻优能力以及跳出局部最优解的能力。最后通过实验数据集验证了新算法,实验结果表明与标准粒子群算法相比新算...     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

预制混凝土构件生产物料重调配路径规划方法

分析预制混凝土构件生产中物料重调配路径规划问题的优化目标和限制条件,建立载具路径规划模型(vehicle routing model for redispatching parts of precast components,VRM-RPP)及其求解方法.该方法通过优化分配和利用载具资源,合理规划行进路径,以提高重调配工作效率,确保车间尽早开工.算例验证结果表明,该方法可用于优化预制生产中物料重调配路径.     

带容量约束的多车调度暂态混沌神经网络算法

带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法.该算法分为用模糊C均值聚类算法将所有客户按车容量要求装车和用暂态混沌神经网络方法对每条路线排序两个阶段.实例计算以及与其他算法比较表明,该算法是一种求解多车调度问题的可行且高效的方法.     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大一最小蚁群算法相融合的混合蚁群算法,并与最大一最小蚁群算法作了比较。实验结果表明,混合蚁群算法可以、快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案。