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。     

一种多参数谱三项共轭梯度法

通过求解带有罚参数的优化问题设计共轭梯度法是一种新思路.基于Fatemi的优化问题求解,通过估计步长和选择合适的罚参数建立一个谱三项共轭梯度法,为证得算法的全局收敛性对谱参数进行修正.在标准Wolfe线搜索下证明了该谱三项共轭梯度算法的充分下降性以及全局收敛性.最后,在选取相同算例的多个算法测试结果中表明新方法数值试验性能表现良好.     

路径跟踪方法求解无界非凸区域上的不动点问题

给出了求解一类无界非凸区域上不动点问题的路径跟踪方法.在适当的条件下,给出了不动点存在性的构造性证明,从而得到了路径跟踪方法的全局收敛性结果.研究结果为计算无界非凸区域上不动点问题提供了一种全局收敛性方法.     

考虑多行程与同时取送货的电动车路径问题研究

针对城市物流配送中的电动车辆路径优化问题,考虑电动汽车的充电特性以及车辆多行程和需求点的双向货流,以最小化车辆成本、行驶成本和充电成本为目标,建立考虑多行程与同时取送货的电动车辆路径问题(EVRPMTSPD)模型,并采用列生成算法进行求解.为提高子问题求解速度,提出了基于蚁群算法的启发式寻路算法用以处理较大规模问题,数值实验验证了模型与算法的有效性,表明了考虑多行程和同时取送货能有效降低成本和提高效率.     

多行程车辆路径问题和配送中心定位问题的研究

为了同时解决多行程车辆路径问题和配送中心的定位问题,首先开发了一个以最小化总成本为目标的数学模型,其中总成本包括运输成本和车辆启动成本.然后设计了一个启发式算法解决这个问题,包括三个阶段:第一阶段是找到初始定位并进行路线安排,第二阶段采用模拟退火(SA)的逻辑和交换算法来获得更好的路线,最后阶段是改善由模拟退火算法中当前温度控制的位置.通过标准样例进行的实验结果表明,该算法可以更好地获得一个配送中心定位和有效的相关路线安排.最后,数值实验指出:1)选择不同类型行程的配送方式取决于每辆车的启动成本和单位距离的运输成本;2)使用大容量车辆可以更好地减少运输距离.3)增加服务时间可以有效地减少所需车辆的数量,这三个结果对于多行程车辆路径问题和配送中心的定位问题的管理决策都具有一定的实用价值.     

基于混合单亲遗传算法的车辆运输问题求解

本文运用混合单亲遗传算法(Hybrid Partheno Genetic Algorithm,)求解车辆运输问题.我们用罚函数法将约束优化问题转化为无约束优化问题,HPGA采用序号编码的方式进行运算.生成初始种群时,在拟染色体中插入车辆序号,尽可能生成符合约束的子路径,由子路径拼接成完整的运输路径,降低罚函数的计算量;选择操作中内嵌最优保存策略,保证算法全局收敛;取消双亲交叉操作,每条染色体上独立改变基因产生新的个体,避免发生早熟早收敛现象;提出邻域搜索,使得GA能对某些指定区域进行重点搜索,加快算法在最优解附近的寻优速度;以CVRP作为HPGA的测试模型,采用Christofides和Eilon提出的标准VRP测试算例进行数值实验,和其他算法进行对比分析,验证了HPGA计算量少、收敛速度快和不会产生早熟早收敛现象.     

凸多乘积问题的完全多项式时间近似算法

针对凸多乘积问题,提出一种求其全局最优解的近似算法.首先,通过引入参量获得一个等价问题,然后估计问题中每一乘积项的上下界,进而借助网格结点,获得一些凸规划问题,通过求解这些凸规划问题获得原问题的近似最优解.最后,给出了该算法的收敛性证明和计算复杂性分析.     

基于交通流的多模糊时间窗车辆路径优化

研究了基于交通流的多模糊时间窗车辆路径问题,考虑了实际中不断变化的交通流以及客户具有多个模糊时间窗的情况,以最小化配送总成本和最大化客户满意度为目标,构建基于交通流的多模糊时间窗车辆路径模型。根据伊藤算法的基本原理,设计了求解该模型的改进伊藤算法,结合仿真算例进行了模拟计算,并与蚁群算法的计算结果进行了对比分析,结果表明,利用改进伊藤算法求解基于交通流的多模糊时间窗车辆路径问题,迭代次数小,效率更高,能够在较短的时间内收敛到全局最优解,可以有效的求解多模糊时间窗车辆路径问题。     

变邻域模拟退火算法求解速度时变的VRPTW问题

本文在经典的带时间窗的车辆路径问题(VRPTW)的基础上,考虑不同时间段车辆行驶速度不同的情况,研究速度时变的带时间窗车辆路径问题(TDVRPTW),使问题更具实际意义。本文用分段函数表示不同时间段下的车辆行驶速度,并解决了速度时变条件下行驶时间计算的问题。针对模拟退火算法(SA)在求解VRPTW问题时易陷入局部最优解,变邻域搜索算法(VNS)在求解VRPTW问题时收敛速度慢的问题,本文将模拟退火算法以一定概率接受非最优解的思想和变邻域搜索算法系统地改变当前解的邻域结构以拓展搜索范围的思想结合起来,提出了一种改进的算法——变邻域模拟退火算法(SAVN),使算法在退火过程中一陷入局部最优解就改变邻域结构,更换搜索范围,以此提升算法跳出局部最优解的能力,加快收敛速度。通过在仿真实验中将SAVN算法的求解结果与VNS算法、SA算法进行对比,验证了SAVN算法确实能显著提升算法跳出局部最优解的能力。     

求解车辆路径问题的免疫算法

将免疫算法用于求解车辆路径问题,并根据车辆路径问题的具体情况提出了一种基于分组匹配的亲和力计算方法.实验结果表明,免疫算法能有效地应用于车辆路径问题.