多车场多车型车辆路径问题的改进遗传算法

在给出有时间窗约束的多车场多车型车辆路径问题的基于直观描述的数学模型基础上,引入一种新的编码方式,并将RC交叉算子进行修正,构造出一种解决该问题的模拟退火遗传算法,实验证明能够有效地解决优化问题。     

具有模糊时间窗的转运联盟车辆路径及遗传优化

在对带有模糊时间窗的企业间转运联盟车辆路径问题进行描述的基础上,构建了该问题的多目标规划模型;钭测该模型提出了一种混合遗传算法,该算法在经典车辆路径遗传编码的基础上,通过若干转化和修正算法得到了一种三元式编码,并改进了交叉和变异算子;最后通过实例说明了模型和算法的有效性．     

企业间转运联盟车辆路径问题及遗传优化

给出了企业间产品可转运的联盟车辆路径问题（EAVRVPPT）数学模型。提出求解该问题的遗传算法,相对于传统算法,该算法在编码方式和交叉算子方面进行了改进。为了证实模型和方法的有效性,通过计算实例进行了验证。     

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

多中心半开放式送取需求可拆分的车辆路径优化

针对多中心半开放式送取需求可拆分的车辆路径问题,构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解,采用二维染色体编码及顺序交叉策略,同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力,通过算例对比验证了所提模型与算法的有效性。算例实验表明,大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定,同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题,还可为相关快递物流企业配送优化提供决策参考。     

求解VRP问题的一种基于交叉算子的改进型遗传算法

采用基于自然数编码染色体、改进型交叉算子并增加内外扰动策略,构造出一种改进型遗传算法。详细介绍了此算法的基本原理,并进行了代表性算例实验与结果分析。实验表明,该算法收敛速度快,有效地遏制了早熟收敛,防止了进化过程中最优解的退化,改善了遗传算法的性能,提高了算法优化效率,是求解车辆路径问题的一种有效算法。     

0-1非线性规划问题的改进差分进化算法

针对0-1非线性规划问题的特点,提出了一种适合于求解0-1非线性规划问题的改进差分进化算法。这个算法把差分进化算法和罚函数方法有机结合起来,在变异操作中加入0-1取整运算,在交叉操作中使用了指数递增交叉概率因子以提高算法的全局搜索能力和收敛速率。用8个例子进行了实验研究,结果表明这个改进的差分进化算法在收敛性、精度、鲁棒性强方面都比较好。     

A new and efficient ant-based heuristic method for solving the traveling salesman problem

Abstract: In this paper, we present an efficient metaheuristic approach for solving the problem of the traveling salesman. We introduce the multiple ant clans concept from parallel genetic algorithms to search solution space using different islands to avoid local minima in order to obtain a global minimum for solving the traveling salesman problem. Our simulation results indicate that the proposed novel traveling salesman problem method (called the ACOMAC algorithm) performs better than a promising approach named the ant colony system. This investigation is concerned with a real life logistics system design which optimizes the performance of a logistics system subject to a required service level in the vehicle routing problem. In this work, we also concentrate on developing a vehicle routing model by improving the ant colony system and using the multiple ant clans concept. The simulation results reveal that the proposed method is very effective and potentially useful in solving vehicle routing problems.     

求解武器—目标分配问题的混合编码差异演化算法*

提出一种混合编码差异演化求解武器—目标分配优化问题。在差异演化算法中增加违反边界约束处理操作,确保由变异和交叉操作生成的每个新个体满足边界约束条件;对差异演化算法中的选择操作重新定义,使其可以直接处理约束条件。基于编码映射的方法构建一种新的混合编码差异演化算法。利用武器—目标分配问题对该算法进行了仿真实验,结果表明该算法的有效性与适用性。混合编码差异演化算法是求解离散约束优化问题的一种有效方法。     

分批配送的有时间窗车辆路径问题的遗传算法

给出了分批配送的有时问窗车辆路径问题（BVRPTM）的数学模型。通过引入改进的路径可行化方法和MRC交叉算于，构造了一种适于求解BVRPTM的遗传算法。实验结果表明，该算法能有效地解决BVRPTM，并取得了较好的优化结果。     

利用改进ILP和二进制穷举择优法的低成本物联网流量多目标路由感知方法

针对无线网络不能为多样化应用需求提供支持及卸载移动通信核心成本较高的问题,提出了一种改进整数线性规划模型(IILP)结合二进制穷举择优法的低成本混合物联网流量多目标路由感知方法。首先,基于IILP对混合物联网流量路由感知进行建模,获得准确的能量感知模型;其次,采用多目标MAXI路由感知算法对多目标路由感知模型进行了求解,降低了流量路由求解的延时;最后,采用二进制穷举择优法对流量路由感知的吞吐量进行扩展。仿真实验表明,与现有算法相比,提出方法降低了求解的延时,提高了流量的吞吐量,减少了流量的丢包率,同时还降低了混合物联网多目标路由感知的成本。     

求解非满载车辆调度问题的改进遗传算法

车辆路径问题(VRP)是一个典型的NP问题,采用传统方法求解往往找不到满意解.在分析现有求解该问题的遗传算法的基础上,对现有的变异算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解非满载的车辆路径问题.计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法.     

有时间窗物流配送车路由问题的改进遗传算法

给出了有时间窗物流配送车路由问题的数学模型．通过引入新颖交叉算子RC，构造了一种改进的遗传算法．实验结果表明．该算法在解决有时间窗的物流配送车路由问题时，比PMX及RC算子具有更优的性能，在满足所有需求点的前提下达到各评价指标的综合最优，是求解配送车路由问题的一个较好方案．     

Circle detection using discrete differential evolution optimization

This paper introduces a circle detection method based on differential evolution (DE) optimization. Just as circle detection has been lately considered as a fundamental component for many computer vision algorithms, DE has evolved as a successful heuristic method for solving complex optimization problems, still keeping a simple structure and an easy implementation. It has also shown advantageous convergence properties and remarkable robustness. The detection process is considered similar to a combinational optimization problem. The algorithm uses the combination of three edge points as parameters to determine circle candidates in the scene yielding a reduction of the search space. The objective function determines if some circle candidates are actually present in the image. This paper focuses particularly on one DE-based algorithm known as the discrete differential evolution (DDE), which eventually has shown better results than the original DE in particular for solving combinatorial problems. In the DDE, suitable conversion routines are incorporated into the DE, aiming to operate from integer values to real values and then getting integer values back, following the crossover operation. The final algorithm is a fast circle detector that locates circles with sub-pixel accuracy even considering complicated conditions and noisy images. Experimental results on several synthetic and natural images with varying range of complexity validate the efficiency of the proposed technique considering accuracy, speed, and robustness.     

运力受扰下车辆调度干扰管理问题研究

为解决物流配送系统中因运输车辆毁坏而产生的干扰问题,建立混合整数规划干扰管理模型。针对多车场车辆调度干扰管理问题的特有属性,设计一系列求解简化策略,简化问题的求解空间。结合干扰管理模型的特点,使用基于扰动值的改进节约算法进行求解。数值实验从多车场车辆调度问题和车辆调度干扰管理问题2个角度验证干扰管理模型及改进算法的有效性。     

基于模运算的新颖离散差分演化算法求解多背包问题

多背包问题（MKP）是一个求解难度极大的背包问题。为了基于差分演化（DE）求解MKP,首先建立了MKP的整数规划模型,在利用模运算构造简单且有效的新型传递函数基础上,提出了一个新颖离散差分演化算法MODDE;基于贪心策略提出了消除MKP不可行解的一个有效算法GROA,由此利用MODDE给出了求解MKP的一种新方法。最后,利用MODDE求解30个国际通用的MKP实例,通过与四个代表性演化算法的比较表明,MODDE不仅计算结果优,而且算法的稳定性强,是求解MKP的一个高效算法。     

An improved differential evolution algorithm for the task assignment problem

An improved differential evolution algorithm (IDE) is proposed to solve task assignment problem. The IDE is an improved version of differential evolution algorithm (DE), and it modifies two important parameters of DE algorithm: scale factor and crossover rate. Specially, scale factor is adaptively adjusted According to the objective function values of all candidate solutions, and crossover rate is dynamically adjusted with the increasement of iterations. The adaptive scale factor and dynamical crossover rate are combined to increase the diversity of candidate solutions, and to enhance the exploration capacity of solution space of the proposed algorithm. In addition, a usual penalty function method is adopted to trade-off the objective and the constraints. Experimental results demonstrate that the optimal solutions obtained by the IDE algorithm are all better than those obtained by the other two DE algorithms on solving some task assignment problems.     

带时间窗和服务顺序约束的多需求车辆路径问题

研究顾客具有多种需求,分别需要由不同类型车辆提供服务,且同一顾客多种需求的服务时间具有固定先后顺序的车辆路径问题.在考虑各个顾客需求的服务时间窗,同一顾客不同需求的服务顺序、服务时间间隔,以及各种车型的车容量及最大行驶时间等约束的前提下,以满足顾客多种需求的车辆运行成本和等待成本之和极小化为目标,建立混合整数规划模型.进一步设计求解模型的联合优化遗传算法,并利用车辆路径问题的标准测试集构造具有两种需求的测试算例,分别利用所提出的联合优化遗传算法与文献中的两阶段遗传算法进行模拟计算与分析,验证所提出算法的有效性.将经典的单一需求车辆路径问题推广到多种需求的情形,建立带约束的多需求车辆路径问题的数学模型并设计求解模型的有效算法,为解决实际问题提供了决策依据.     

基于遗传算法求解带时间窗的车辆路由问题

提出一种改进的遗传算法，用于求解带时间窗的车辆路由问题．在算法中采用了直观的自然数缟码机制、三复本锦标赛的选择方法和改进的启发式交叉算子，实验表明该方法用于求解带时间窗的车辆路由问题的有效性．