一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型.通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解.结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化.     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

物流配送车辆路径问题(VRP)算法研究

物流配送车辆路径问题(VRP)属于NP-hard问题.文章介绍了当前最具有代表性的算法,分析并总结了各种算法的优缺点及目前的改进情况,指出目前启发式算法是求解车辆路径问题的主要方法,至于大规模客户集的配送路径优化问题或者是多约束的复杂VRP问题,可以考虑利用多种算法相结合的办法来解决.     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。     

粒子群蚁群结合算法在车辆调度问题中的应用研究

为了提高现代物流配送中车辆调度问题的效率,降低物流成本,提高经济效益,选择合适车辆调度路径是关键环节之一。为此引入了传统的蚁群算法和粒子群算法及二者结合算法分别求解该问题。实验证明,结合算法更能有效提高求解过程中的收敛速度和最优解精度,找到最优调度方案,降低运输成本,使企业收益最大。     

基于动态聚类混合拓扑结构粒子群算法的PDVRPTF

经典物流配送模型的目标、约束条件不够全面,在实际应用中存在一定缺陷,对此,构建了时间窗和油耗取送一体化的物流配送路径优化模型（PDVRPTF）.设计了一种基于k-medoids动态聚类混合拓扑结构粒子群算法,解决了经典粒子群算法在求解此类模型时容易陷入局部最优解的问题.仿真结果表明,改进型粒子群算法能很好地跳出局部最优解,并快速收敛于全局最优解,且该算法可有效求解物流配送路径优化的问题.     

改进的动态规划法在车辆最短路径问题中的应用

针对物流配送中的重点——车辆路径的选择进行了研究,建立了物流配送路径优化问题的数学模型,在动态规划法的基础上进行改进,改进后的算法能最大限度地提高车辆的装载率,减少运输的车次,在实际运用中取得了良好的效果.     

基于改进免疫算法的带模糊需求车辆调度问题

通过引用一种新的编码方法、交叉和变异概率的自适应机制,构造了一个改进的免疫算法,并对算法的交叉操作加以改进,成功地将这种算法应用于带模糊需求的物流配送车辆调度的求解过程中,将求解结果与遗传算法比较,结果表明,该算法可以较好地求解VSPFD问题.     

带收益的车辆路径问题研究综述

车辆路径问题是企业实现物流配送的关键环节,对带收益的车辆路径问题的研究进行了综述。根据目前该问题的研究进展,对相关的研究进行了分类;分析了该类问题的特点,探讨了相应的0-1整数规划模型及集划分模型,总结了求解该问题的精确算法与启发式算法。介绍了该问题在实际中的应用,展望了其研究前景,为相关研究指出了方向。     

模拟退火蚁群算法在VRP问题上的应用

车辆路径问题是物流系统优化的核心问题,在满足相关需求的情况下需要达到路径最短、成本最低等目的。文章提出一种模拟退火算法和蚁群算法的组合,通过改进蚁群算法相关参数、采用邻域算法对解进行二次搜索,从而改变解的质量并进行优选,以实现在满足相关约束条件下达到路径最短的优化。将该组合算法与基本蚁群算法、改进型的蚁群算法及VRP官网算例进行比较,实验结果表明,该组合算法在时间上和准确度上都有较大的提升,具有较好的应用价值。     

多级正向变异的遗传算法提高求解VRP问题效率

应用遗传算法对车辆路径问题(VRP)求解时,由于遗传算法在解决VRP问题时,交叉操作难以保留优秀基因片段,可能导致算法收敛较慢等问题.在一定程度上影响了遗传算法解决VRP问题的实用性.在前人的基础上,通过一种多级正向变异方法,使变异最大程度向好的方向进行,拆除基因片段中较差的基因连接并建立新基因连接,从而得到较优的新基因片段,重复一定的变异次数,让变异达到最优效果.通过实验表明多级正向变异明显提高了遗传算法解决此类问题的效率.     

物流配送与跟踪的动态车辆调度问题研究

对物流配送跟踪问题进行分析,探讨应用GPS/GIS/RFID等物流新技术进行跟踪的方法,建立基于GPS/GIS/RFID的配送跟踪架构与管理模型,实现配送计划执行全过程的跟踪和信息反馈支持配送计划的调整以及货物信息、车辆信息的闭环流动,并进一步研究基于GPS/GIS车辆信息闭环流动后的动态车辆调度问题。     

物流配送路线模型优化及应用

在物流配送问题中，车辆调度问题(VRP)是一个关键问题，也是组合优化领域的前沿与热点问题。该文根据MG公司配送中心的特点，建立了该公司的VRP模型，运用启发式算法中的节约算法对MG公司配送网络进行了细致的优化，找到—个满意的方案。     

物流配送车辆优化调度问题的综述

针对物流配送车辆优化调度问题,本文阐述了该问题的定义和最优调度的目标,介绍了物流配送的概述和流程,研究了VRP的分类和实现算法,分析了VRP的国内外研究现状,并提出了进一步的研究方向。     

具有区间参数的VRP及其改进的C-W节约算法

在传统的车辆路径问题的基础上,针对配送中心到客户以及客户到客户之间的费用为区间参数时的车辆路径问题,建立了相应的数学模型.用可能度的区间数排序方法对费用区间参数进行排序并应用到C-W(clark-wright)节约算法中,提出了改进的C-W节约算法.通过算例验证了该算法的有效性和可行性.     

现代物流决策支持系统算法

现代物流在充分利用高科技信息技术手段服务与管理的同时,更需要具备核心算法支持使其具有智能性特征,保证其科学化和高效率,它的高速发展使现有的决策支持系统已不能满足其需求。针对此问题,提出了基于计算智能的物流算法,并集成应用到现代物流决策支持系统项目中。对带时间窗的车辆路由问题和物流选址问题进行建模,采用提出的算法分别构造问题的解决方案。实验结果验证了该算法的实用性和有效性。     

基于粒子群算法的农产品冷链物流配送路径优化研究

介绍了冷链物流的定义及我国农产品冷链物流存在的问题,根据冷链物流配送的特点,探索冷链物流配送路径的优化方法．在建立农产品冷链物流配送路径优化模型的基础上,构造了求解该优化问题的粒子群优化算法,并以实例进行计算．结果证明该算法对于农产品冷链物流配送路径优化问题可以有效的求出最优解,是解决路径优化问题的一种好方法．     

小件货物运送车辆调度优化

针对城市小件货物运送车辆调度优化方法进行了研究，分析了C-W节约算法在解决小件货物运送车辆调度问题的局限性。基于货物的体积和形状对车辆调度的影响，提出用货物的体积进行车辆容量检验，改进了C-W节约算法，使其更加符合小件货物运送车辆调度的实际。