一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

基于模拟退火算法的硬时间窗配送车辆调度问题研究

基于现实中影响物流成本较大的配送车辆调度问题,构建了硬时间窗下的配送车辆调度问题数学模型。通过模拟退火算法对硬时间窗车辆调度问题进行了数值分析,得到了较好的计算结果和较高的计算效率,从而为今后更好地解决此类硬时间窗配送车辆调度问题提供了行之有效的研究方法。     

一种带软时间窗的物流配送中心车辆路径问题的模型与算法

针对单配送中心带时间窗的车辆路径问题,将时间约束折算为惩罚费用,在时间、车辆体积和载重约束的条件下,建立了一种带软时间窗的物流车辆路径总费用最小数学模型。同时在遗传算法的基础上加入记忆功能和退火操作,采用带有记忆的遗传模拟退火算法求解此模型,并将优化结果进行比较。结果表明,该算法收敛速度快、搜索领域宽,能取得较高质量的最优解。     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

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。     

有时间窗物流配送路径优化问题的混合并购算法

为了克服并购算法在求解有时间窗物流配送路径优化问题时局部最优的缺陷,提出了混合并购算法的构想.通过对原有并购算法中单个并购操作的改进,增加多个并购操作,提高了算法的收敛性.在建立有时间窗物流配送路径优化问题数学模型的基础上,构造了有时间窗物流配送路径优化问题的混合并购算法模型.在Solomon数据集上进行多次实验,获取了有时间窗物流配送路径问题的最优解或近似最优解.     

有时间窗物流配送车路径问题的单亲遗传算法

为了更好地解决物流配送中有时间窗的车辆路径问题(Vehicle Routing Problem with Time Window,VRPTW),在分析车辆路径选择的重要性及现存遗传算法进行路径选择的基础上,提出应用单亲进化遗传算法求解VRPTW的模型。利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,从而求得最优的路径。经实验验证,该算法可以有效、快速地求得VRPTW的全局最优解。     

多车辆有时间窗约束的装卸货问题插入启发式算法

研究了多车辆有时间窗口约束的装卸货问题(m-PDPTw)的路径构造的常用算法--插入启发式算法.分析了插入算法中会影响解质量的因素,提出几个判据指导插入过程.在Solomon的VRPTW插入算法的基础上提出了改进的PDPTW插入算法.算例表明,改进的插入算法克服了简单插入算法的缺点,大大提高了解的质量.     

带时间窗约束的车辆路径问题研究综述

本文系统地论述了时间窗车辆路径问题的优化算法,路线生成法,路线改进算法和启发式算法,并展望了时间窗车辆路径问题的研究方向。     

有时间窗约束非满载车辆调度问题的节约算法

车辆调度问题(Vehicle Routing Problem,简称为VRP)是物流配送中广泛存在的一类问题,VRP属于强NP问题.在建立了带有时间窗的非满载的VRP问题的数学模型基础上,对启发式算法中的节约算法进行改进,设计出带时间窗的非满载的VRP问题的节约算法.通过对8个客户和13个客户算例的具体计算结果分析该算法的性能,研究表明:节约算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,但在客户规模增加,解的空间增加后,其解的精度也随之下降.     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

一类带时间窗的行车路线的求解算法

本文对传统的节约算法进行改进,建立了带时间窗的行车路线优化选择问题的数学模型。并给出一具体实例来展示此算法的原理及解题过程。通过实例可以看出,此种算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,能够很好地解决有时间约束的车辆路线安排问题。     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

退火贪婪混合遗传算法

提出了一种将贪婪算法和退火算法相结合的新型混合遗传算法,提高了算法的收敛速度,同时避免了遗传算法中存在早熟收敛的问题.     

车辆路径问题的改进遗传算法研究

在现有的物流管理系统中,车辆路径问题(vehi-cle routing problem,VRP)研究在物流配送过程中的作用显得尤为重要.VRD最早是在1959年由Dan-ting和Ramser[1]提出,其研究的问题可以描述为:有n个商品需求点(可以称之为顾客),各个顾客之间的距离以及商品需求量事先已知,要求从中心仓     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。