一种解决车辆调度问题的算法研究

针对运输费用的逐年提高,企业配送环节的成本大幅度增加的问题,为降低物流成本,提高企业利润,研究了一种解决车辆调度问题的算法。在考虑实际需求的基础上,建立了单配送中心的配载车辆调度模型,满足基本的约束条件。同时,论述了节约算法的基本原理并采用改进的节约算法对配载车辆调度问题进行求解,即在基本的节约算法中加入时间窗约束条件。通过各种数据的实验验证,此算法都能得到较满意的解,既能节约时间,又能够节约运输里程和费用。     

基于模糊时间窗的智慧物流越库调度仿真研究

在越库配送中商品和货物到了配送中心后直接可在站台上向客户配送,能够有效降低库存和运输成本,但是对车辆调度效率要求较高。若进出站台的车辆得不到精准排序,会直接影响货物出站时间。为进一步提升越库调度效果,提出基于模糊时间窗的智慧物流越库调度方法。基于物流越库类型的分析结果,结合模糊时间窗制定调度目标函数以及约束条件,构建物流越库调度模型。引入萤火虫算法对调度模型求解,获取模型最佳目标函数值,输出模型调度结果,实现智慧物流的越库调度。实验结果表明,上述方法对物流越库调度模型的求解与最优解的差距最小,且物流调度范围对其影响不大,可在10s之内完成智慧物流的越库调度,应用效率较高。     

一类新的动态车辆调度问题的建模与算法

针对目前对于动态车辆调度问题的研究仅集中于考虑时间依赖或依概率变化的情形，在对原有动态车辆调度问题模型进行总结的基础上，综合考虑了时间依赖且网络依概率变化，以及结合带有时间窗和随机需求的情况，提出了新的问题模型，并提出求解该问题模型的多目标随机机会约束规划模型，设计了用遗传算法解决该模型的方案与步骤。实验结果表明，所提出的模型可有效地拟合交通状况，设计的算法可以有效地求解该模型。     

汽车零部件Milk-run车辆调度优化模型和算法

为了寻求汽车零部件采用循环取货时车辆的最优路径,提出将每个供应商零部件循环、分批提取使车辆尽可能满载的建模思路,建立具有车辆容积、车辆到达时间窗、供应商供货动态时间窗、车辆最大行程约束的车辆调度优化模型,设计了用于求解该模型的改进启发式节约算法。最后通过算例验证了多重约束模型及算法的有效性。     

带时间窗车辆调度问题的改进粒子群算法

带时间窗车辆调度问题是一类典型的NP难解问题。为了克服标准粒子群算法存在早熟收敛和易陷入局部解等问题,提出了一种改进的粒子群优化算法。该算法在惯性权重递减的基础上通过群体极值进行[t]分布变异,使算法跳出局部收敛,将该算法应用于带时间窗的车辆调度问题优化。算例证明了改进粒子群算法应用于求解带时间窗的车辆调度问题的可行性和有效性。     

一种面向维修资源配送调度的遗传-烟花混合算法

为减轻资源供应不及时对维修活动顺利开展的影响,本文针对配送式供应保障,基于带时间窗的多配送中心车辆路径规划问题提出了一种半开放式的协同配送调度模型,使得多个资源库存中心之间达成了协同合作与互相保障,从而减少了资源的供应时长和调度成本,提高了全局调度效率。为高效地求解该模型,本文提出了一种遗传-烟花混合算法,混合算法在经典遗传算法的基础上引入了烟花算法的爆炸算子以增加种群优秀个体的数量,丰富种群基因的多样性,从而提高算法的寻优能力。通过仿真实验对比,证明了爆炸算子对遗传算法容易“早熟”的缺点有所改善,且混合算法具有更高的求解效率。     

基于改进遗传算法的有时间窗车辆调度问题研究*

在分析带有时间窗车辆调度问题的基础上,建立了车辆调度问题的数学模型,并构造了不同时间窗的惩罚函数.设计了针对车辆调度问题基于自然数编码的遗传算法,并改进了传统的交叉运算,避免优秀基因在交叉操作中被破坏,提高了遗传算法的寻优能力.最后,结合算例进行了仿真计算,分析了载重体积约束和时间窗约束对车辆调度的影响,验证了算法的有...     

免疫PSO算法求解多库房带时间窗VRP

为了降低物流系统的总费用,对车辆优化调度模型进行了改进,考虑了库房容量和时间窗两方面的因素,以总的耗费成本为目标,采用免疫粒子群优化（PSO）算法对此多库房车辆调度模型进行了优化求解。仿真结果表明免疫PSO比PSO更有效、更优越。     

求解动态车辆调度问题的混合禁忌搜索算法

对带时间窗的动态车辆调度问题进行分析,引入虚拟点和时间轴概念,建立基于时间轴的动态车辆调度模型,并提出基于C-W节约法和禁忌搜索的混合禁忌搜索算法进行求解.算法中使用动态方法构造候选解和动态禁忌长度的选取策略来提高算法的收敛速度,最后通过测试实例验证了该混合算法解决动态车辆调度问题的有效性和可行性.     

基于MAS的机场特种车辆实时调度问题的研究

机场特种车辆的优化调度,对提高航班正点率和机场车辆资源利用率有重要作用。针对机场特种车辆实时调度的动态规划问题,结合MAS（Multi Agent System）交互中协作的优越性,设计了基于MAS的整体架构模型,其中,对于MAS模型结构,采用基于AUML的AOA方法进行描述,协作采用合同网协议机制,对于车辆调度模块,采用了基于动态规划时间窗的车辆调度算法;应用机场实际数据测试,通过对实验结果的分析,验证了本文所建模型及求解算法的有效性。     

基于遗传算法的不同约束条件车辆调度问题研究*

研究了不同约束条件下,车辆调度问题的最短行车距离。分别针对带有里程约束限制、带有时间窗口限制、带有满载和非满载约束限制的约束条件,建立了不同的车辆调度模型。针对车辆调度模型设计了自然数编码的遗传算法,并改进了遗传算法中的交叉算法,尽可能地保留了最优基因的遗传性,加速了算法的收敛性。最后进行算例分析,结果表明了模型和算法的有效性。     

基于改进神经网络的非满载车辆路线优化模型

货物流通过程中,目前流行的车辆调度方式--基于简单的神经网络模型设计,造成运输成本的浪费。提出了一种基于改进神经网络的非满载车辆路线优化挖掘模型,来解决运输过程中的非满载车辆调度优化问题。改进的模型通过对非满载车辆时域长度和空域概率的加权、对神经网络稳定状态进行约束、建立非满载车辆起点和终点函数方程生成改进算法配送模型,并通过对新模型进行时间窗加权,合成了改进神经网络非满载车辆挖掘模式。仿真结果表明,该挖掘模型与传统的神经网络计算方法相比,能够提高非满载车辆路线选择效率和正确性,取得了较好的效果。     

Solving a vehicle routing problem with time windows by a decomposition technique and a genetic algorithm

The present study investigates the cost concerns of distribution centers and formulates a vehicle routing problem with time window constraints accordingly. Based on the embedded structure of the original problem, a decomposition technique is employed to decompose the original problems to a clustering problem (main problem) and a set of traveling salesman problems (sub-problems) with time window constraints. This decomposition not only reduces the problem size but also enable the use of simpler solution procedures. A genetic algorithm is developed to solve the clustering problem, while a simple heuristic algorithm is formulated to solve the set of traveling salesman problems. The solution of the original problem is obtained through iterative interactions between the main problem and the set of sub-problems. The performance of the proposed approach is compared with the well-known insertion method and a manual scheduling of a distribution center.     

求解军车调度问题的双重约束编码遗传算法

依据某部队车场车辆调度的实际情况,建立了考虑卸货时间因素的带硬时间窗车辆调度问题的数学模型;针对该模型,提出了一种基于载重量和时间窗双重约束条件的编码方式,并改进了交叉、变异算子,到达了全局寻优,避免了遗传算法的早熟收敛。仿真结果表明：改进的算法提高了计算效率,能缩短车辆行驶总里程,满足军车调度在时间上的严格要求。     

物流配送中心配载车辆调度问题研究

物流配载车辆调度目标就是针对特定任务调配车辆资源以降低成本费用。分析了车辆和特定运输任务的相关约束条件,提出了物流中心配载车辆调度问题数学模型。重点研究了基于任务时间窗逻辑顺序约束求取可行解的“分组”算法、以及基于时间窗约束冲突概率对可行解基因实施交叉的优化算法。实验结果表明在多任务、多约束条件下采用该算法可快速求取物流配载调度问题的最优解。     

考虑任务均衡的加油车动态调度问题

为了提高机场资源利用率以及航班的正点率,合理调度机场加油车为航班进行燃油加注服务势在必行。考虑到航班实际时刻的不可预知性,需建立动态规划时间窗,为窗口依据航班预计时刻捕捉到的航班构建机场车辆调度模型,利用自适应分支定价算法求解模型,从而配置车辆与人员,规划车辆的行驶路线,衔接任务,实现车辆行驶时间最短,加油员工作量均衡的目的。在华北某机场真实数据上进行仿真实验,结果表明,自适应分支定价算法优化下的车辆行驶时间与加油员工作量的标准差分较节约算法分别减小1.38%和7.47%,验证了算法的优势,且算法在机场其他地面服务规划问题中同样适用。     

基于TS的动态车辆调度问题的混合算法研究

对带时间窗的动态车辆调度问题进行分析,采用实时再优化方法进行研究,引入时间轴概念,建立动态车辆调度模型,并给出求解的混合禁忌搜索算法。该算法先用C-K节约算法求得初始解,然后用禁忌搜索进行优化,得到全局最优解。禁忌搜索算法中采用动态邻域移动方法构造候选解和动态禁忌长度选取策略设置紧急长度,提高算法的收敛速度。最后用实例证明该混合算法的可行性和有效性。     

电子商务下多约束有时间窗车辆问题优化研究

传统的基于行车路线最短的车辆调度优化模型难以满足电子商务物流配送实际需要,导致实际配送成本居高不下;或是过于强调线路最短,而难以按照客户的要求准时送货,失去市场竞争力。将传统车辆调度模型进行修改,以提高模型的适用性和通用性。由于车辆调度问题是NP难问题,采用改进遗传算法进行优化求解,结合具体实例,通过实验计算证明了该改进算法的良好性能。     

具有可调时间窗的动态车辆调度问题研究

提出一种新的时间窗可调整的动态车辆调度模型,设计求解该问题的算法。算法能够有效地处理预约需求和实时需求,给出时间窗的调整策略、初始路径的禁忌搜索改进策略以及实时需求的插入算法。实验计算结果表明,该算法与时间窗硬约束算法相比能够大量减少被拒绝服务的顾客数量,高效地处理实时产生的动态需求。提出的禁忌搜索算法能够显著改进初始解的质量,有效减少行驶费用,降低运输成本。