带时间窗动态车辆路径问题的优化调度策略

针对带时间窗动态车辆路径问题(DVRPTW),根据优化时间点的选取建立DVRPTW的一系列静态子模型,研究优化调度策略,分别是基于新顾客插入后的重复优化方法、批处理的方法或两者的混合。通过定义紧急顾客,提出一种新的紧急顾客插入和分批驱动调度策略,该策略只需实时插入紧急顾客,具有快速响应、计算负荷小和路径计划更新频率低的优点。仿真对比实验比较了4种策略的优劣,并探讨分批优化间隔长度对调度性能的影响。     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

面向最小碳排放量的接送机场服务的车辆路径与调度

车辆路径与调度问题 (Vehicle routing and scheduling problem, VRSP)是制造系统自动化和商业服务系统优化调度要解决的重要问题, 常常以路径最短或成本(时间)最小为 优化目标. 在强制性碳排放政策的影响下, 如何通过路径优化与调度实现系统的节能减排, 已经成为管理者一个优化控制的目标. 本文 建立了针对接送机场服务中以最小碳排放量为目标的车次分配与调度问 题的0-1混合整数规划模型, 采用了改进的基于时间和地域划分的极线扫描算法. 重点通过不同类型、规模测试实例, 分别从测试实例的 顾客点位置分布、顾客规模以及车辆容量大小、满意度水平分析了对人均 碳排放的影响程度, 对现实接送机场服务运作中车辆配置和设置服务水平提供了有价值的建议.     

物流动态车辆调度问题的混合禁忌搜索算法

在分析动态车辆调度问题的基础上,建立了基于时间轴的动态模型;接着针对该问题在实际中的应用,设计了基于并行节约法和禁忌搜索的混合算法以对动态车辆调度问题进行求解;最后给出算法实现和算例模拟,验证了该算法的有效性。     

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。     

带时间窗动态车辆路径问题的改进蚁群算法

针对带时间窗动态车辆路径优化问题的特点,通过状态转换,将求解动态车辆路径问题转化为求解一系列基于时间轴的静态子问题。分析了蚁群算法的不足之处,对原有蚁群算法进行改进,引入“扰动因子”和“奖惩”机制,并对动态车辆路径问题进行了实验仿真,结果表明,改进后的蚁群算法提高了全局寻优能力与收敛速度,取得了较好的效果。     

抢修任务多目标动态调度的动态驱动策略研究

抢修任务多目标动态调度能够有效解决“战时损伤装备不断出现,而抢修时间与抢修力量有限”这一突出矛盾,但由于新抢修需求的出现时刻具有不确定性,采用现有的时间(或数量)分批驱动策略,会导致抢修力量不能对新抢修需求进行及时响应、抢修力量出现闲置、抢修效益降低。为解决该问题,开展了战时抢修任务多目标动态调度的动态驱动策略研究。提出了抢修任务多目标动态调度问题及其总体求解思路。设计了基于抢修需求信息和抢修组状态的2种动态驱动策略,提出了一种新的动态驱动策略“混合分批+基于抢修组状态”。采用均匀设计思想,构造了6组测试问题实例,并通过实验分析了在多种因素共同影响的情况下,3种动态驱动策略的优劣性及适用性。仿真结果表明：与其它动态驱动策略相较,新的动态驱动策略“混合分批+基于抢修组状态”具有明显的优越性。     

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。     

限制期条件下应急车辆调度问题的模糊优化方法

由于应急调度问题中存在时间紧迫性与应急出救点数目相互矛盾的目标,因此给出一个反映决策者偏好的折衷方案十分必要。从实际应用出发,运用模糊优化方法研究限制期下的多出救点组合模型求解问题。     

基于混合算法的带时间窗车辆路径问题

使用改进蚁群算法结合大规模邻域搜索算法解决带时窗限制的车辆路径问题.首先对蚁群算法信息素及算法结构进行分析及改进,并提出了新的解题策略,由此得到可行解;然后在区域改善部分用邻域搜索算法进一步提高解的性能.给出混合算法计算Solomon100国际标准题库问题的结果,并与同类方法的文献最优解进行比较.     

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...     

不确定车辆数的有时间窗车辆选径问题的混合算法

针对标准遗传算法在求解车辆选径问题中出现的早熟、收敛、易陷入局部极值点的问题，提出了一种由遗传算法结合模拟退火算法的混合算法求解车辆选径问题，并与遗传算法进行了比较。该算法利用了模拟退火算法具有的较强的局部搜索能力的特性，有效地克服了传统遗传算法的“早熟收敛”问题。实验结果表明，该算法具有计算效率高、收敛速度快和求解质量优的特点，是解决车辆选径问题的有效方法。     

带有时间窗的多配送中心车辆调度问题研究

在分析时间窗的惩罚函数基础上,建立了带有时间窗的多配送中心车辆调度模型,针对模型设计了两阶段求解算法,先通过扫描算法把客户化分到不同的配送中心负责配送,然后采用改进的遗传算法求解带有时间窗的单配送中心的车辆调度模型,最后,结合算例仿真计算验证了算法的有效性。     

多时间窗车辆路径问题的混合蚁群算法

研究了多时间窗车辆路径问题,建立了多时间窗车辆路径问题的数学模型,并基于蚁群算法设计了一种混合蚁群算法对问题进行了求解。该算法首先利用基本蚁群算法求解,然后采用2-opt算法和元胞自动算法对结果进行优化,同时加入变异算子。实验结果表明该算法可以有效地求解多时间窗车辆路径问题。     

动态车辆路径问题的分区灵活分批TSP 策略

动态车辆路径问题是当前车辆路径问题的新兴热门问题,但其实时优化策略研究仍然有较大的改进空间。鉴于此,在一般分区分批旅行商问题(TSP)策略的基础上,提出了分区灵活分批TSP策略,并对策略有效性进行了分析。最后进行了实例仿真验证,结果表明,所提出策略能够减少车辆服务顾客的平均行驶距离,从而减少顾客的平均系统时间。     

Routing with time-windows for multiple environmental vehicle types

With the goal of reducing cost, improving customer satisfaction and controlling the environmental pollution, a environmental routing optimization problem with time windows and multiple vehicle types is proposed by considering the concept of low-carbon logistics. A multi-objective vehicle routing problem (VRP) model with soft time-windows for multiple environmental vehicle types is presented, and a hybrid genetic algorithm (GA) is designed. Based on the experiments, the effectiveness of the algorithm is examined. With Pareto analysis, the relationship among the three objectives (distribution cost, customer satisfaction and environmental pollution) is examined. Sensitivity analysis is conducted to identify the influence of different type vehicle on the environmental performance. The results shows that the vehicle speed has strong correlation with the operation cost and environmental pollution, while the load capacity affects the operation cost, customer satisfaction and environmental pollution.     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。