一种求解带时间窗车辆路径问题的混合差分进化算法

对带时间窗的车辆路径问题进行研究,建立以最小化车辆数量和行驶路程为目标的多目标数学模型,提出一种结合改进差分进化算法和变邻域下降搜索的基于Pareto支配的混合差分进化算法。首先重新定义了个体的生成方式。其次,结合双种群策略和变邻域下降搜索技术来平衡算法的全局探索能力和局部开发能力,并在搜索过程中用随机个体替代种群中的重复个体,维持种群的多样性。然后引入Pareto支配的概念来评价个体的优劣性,并采用擂台法则构造非支配解集。最后对18个不同规模的Solomon算例的求解结果表明,算法在行驶路程和车辆数量上的求解质量比人工蜂群算法分别平均提高了2.04%和14.95%,且与已知最优解相比,在车辆数量的求解质量上平均提高了14.53%,验证了所提算法的有效性。     

应急物资运输路径多目标优化模型及求解算法

针对应急前期运输商自有车辆不足的实际背景,采用自有车辆和第三方租用车辆共同配送的运输模式,对混合车辆路径的组合优化问题进行研究。首先,考虑需求点和运输商的不同利益诉求,以系统满意度最大、系统配送时间和总成本最小为优化目标,建立带软时间窗的多目标混合车辆路径优化模型。其次,考虑NSGA-Ⅱ算法在求解该类问题时收敛性差和Pareto前沿分布不均匀的缺点,将蚁群算法的启发式策略和信息素正反馈机制用于生成子代种群,非支配排序策略模型用于指导算法的多目标择优过程,并引入变邻域下降搜索以扩大搜索空间,提出求解多目标的非支配排序蚁群算法以突破原有算法瓶颈。算例表明：构建的模型可对决策者在不同的情境下依据不同的优化目标选择合理的路径提供参考,提出的算法在求解不同规模的问题和不同分布类型的问题中均表现出较好的性能。     

带时间窗车辆路径问题的多目标文化基因算法

针对物流配送中带时间窗的车辆路径问题,以最小化车辆使用数和行驶距离为目标,建立了多目标数学模型,提出了一种求解该问题的多目标文化基因算法。种群搜索采用遗传算法的进化模式和Pareto排序的选择方式,局部搜索采用禁忌搜索机制和存储池的结构,协调两者得到的Pareto非占优解的关系。与不带局部搜索的多目标遗传算法和单目标文化基因算法的对比实验表明,本文算法的求解质量较高。     

基于混合平衡优化算法的疫苗配送路径优化

针对疫苗配送路径优化问题,在同时考虑固定成本、运输成本、制冷成本、碳排放成本和惩罚成本的情况下,提出以疫苗配送成本最小化为目标的车辆路径优化模型。为求解模型,在平衡优化器算法中引入模拟退火算法,改进平衡优化器算法容易陷入局部最优的不足,通过加入可变参数,提升算法平衡全局搜索和局部寻优的能力,得到一个能够稳定求出较高质量解的混合平衡优化算法。对2种不同规模的算例分别进行20次实验,将混合平衡优化算法与并行平衡优化算法、知识型蚁群算法、混合变邻域搜索算法、改进混合粒子群算法和平衡优化器算法进行对比。实验结果表明,混合平衡优化算法在小规模算例和大规模算例下得到的最小配送成本和配送成本的标准差都小于其他5种算法,其中,在小规模算例下进行实验后得到的最小配送成本分别为其他5种算法的73.5%、53.9%、69.1%、64.1%和33.4%。     

混流制造车间物料配送路径优化

物料及时、准确送到混流制造系统的各工位节点不仅是系统正常运行的保证,也是混流系统高效运转的根本。针对混流制造系统物料配送车辆路径优化问题,从优化目标、约束条件和影响因素等方面考虑,建立了以车辆行驶距离最短、车辆利用率最大和配送次数最少为优化目标的多目标配送车辆路径优化模型。根据问题的具体情况,设计了解决该多目标优化问题的双层递进进化多目标优化算法,给出了算法的进化过程和交叉、变异模式及其实现过程。通过一个混流装配系统的实例证明了所建立的模型和设计算法的有效性。     

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题, 本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW), 构建混合整数线性规划模型, 并设计改进的变邻域搜索算法(IVNS)实现求解. 采用两阶段混合算法构造高质量初始解. 提出均衡抖动策略以充分探索解空间, 引入粒度机制以提升局部搜索阶段的寻优效率. 标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性. 仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW, 且改进策略提高了算法的求解效率和全局搜索能力. 最后, 基于对配送策略和时效性的敏感性分析, 为相关配送企业降本增效提供更多决策依据.     

基于邻域表的多目标进化算法

针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效的进行环境选择操作.通过7个测试问题和3个方面的测试标准,结果表明新算法在较快速的接近真实的最优面的同时,拥有良好的分布性.     

基于多目标优化的机场行李运输车辆调度问题研究

行李装卸是指将旅客的托运行李装上飞机或从飞机上卸载下来的一种机场地面保障服务,行李运输车是民航使用的在机场地面运输旅客托运行李的特种车辆。目前机场普遍采用的单车服务单航班的车辆调度方式,车辆的使用成本高、效率较低,且无法保证任务量的均衡。在建立的机场行李运输车辆调度模型的基础上,首先利用最邻近算法构建由一个出港航班和一个到港航班组成的车辆行驶总路程最短的子路径集合;然后依据子路径间的时间衔接关系对子路经进行优化组合,将所有子路径任务合理分配给行李运输车,实现所需车辆数最少和车辆任务量均衡的目标;最后,应用机场实际算例进行仿真试验,通过对试验结果的分析,验证了所建模型及求解算法的合理性和有效性。     

多目标优化与自适应惩罚的混合约束优化进化算法

提出一种多目标优化与自适应惩罚函数相结合的方法来处理约束优化问题.首先利用多目标优化方法提取当前群体中的主要信息;然后进一步用自适应惩罚函数选出最有价值的信息.将这种约束处理技术与一种基于群的算法生成器模型相结合,即可得到一种新的约束优化进化算法.选取10个标准测试函数对新算法的性能进行数值实验,结果表明了所提出方法的有效性和较强的稳健性,与其他尖端算法相比得到了相似或更优的结果.     

改进NSGA Ⅱ算法在车辆路径多目标优化问题中的应用

本文选用NSGA Ⅱ作为求解VRP多目标优化问题的算法基础,分析概括出VRP的三个主要目标函数和三个约束条件,实现了VRP多目标优化问题的数学建模。选择MATLAB作为软件工具进行代码编写,选取Benchmark Problems中C101里的数据作为实验数据进行软件仿真;并且针对NSGA Ⅱ在设计方面的不足之处,对NSGA Ⅱ的初始群体确定和交叉算子两个环节进行改进;然后通过对两种算法仿真结果的比较分析,证实了改进算法在克服早熟现象、提高算法效率以及算法稳定性方面的有效性。     

物流配送路径多目标优化的聚类-改进遗传算法

探讨运输车辆路线安排调度问题的解决方法，提出一种先用优先级综合聚类分析法将客户分类，再用带有控制开关系统的改进遗传算法求解多目标VRP的优化方法。构造了一种随机开关，以此控制遗传算法中的变异运算，增加了群体的多样性，避免了遗传算法中“局部最优现象”的发生。计算机仿真实验证明了该算法的有效性。     

求解绿色车辆路径问题的离散乌贼算法

为求解绿色车辆路径问题(green vehicle routing problem),提出一种离散乌贼算法(DCOA).采用轮盘赌机制增强初始解选择的随机性,引入精英片段插入策略指导乌贼细胞群的进化方向,提高搜索效率,利用2-opt法和shift法优化当前细胞,增强最优解的局部开发能力.选取Augerat标准数据集,对...     

A decomposition based memetic algorithm for multi-objective vehicle routing problem with time windows

Multi-objective evolutionary algorithm based on decomposition (MOEA/D) provides an excellent algorithmic framework for solving multi-objective optimization problems. It decomposes a target problem into a set of scalar sub-problems and optimizes them simultaneously. Due to its simplicity and outstanding performance, MOEA/D has been widely studied and applied. However, for solving the multi-objective vehicle routing problem with time windows (MO-VRPTW), MOEA/D faces a difficulty that many sub-problems have duplicated best solutions. It is well-known that MO-VRPTW is a challenging problem and has very few Pareto optimal solutions. To address this problem, a novel selection operator is designed in this work to enhance the original MOEA/D for dealing with MO-VRPTW. Moreover, three local search methods are introduced into the enhanced algorithm. Experimental results indicate that the proposed algorithm can obtain highly competitive results on Solomon׳s benchmark problems. Especially for instances with long time windows, the proposed algorithm can obtain more diverse set of non-dominated solutions than the other algorithms. The effectiveness of the proposed selection operator is also demonstrated by further analysis.     

基于负荷平衡的电动汽车模糊多目标充电调度算法

居民小区电动汽车（EV）的单相充电方式导致配电网出现三相不平衡和负荷峰谷差问题,因此提出基于负荷平衡的EV模糊多目标充电调度策略。基于三相网络,将总延迟时间和充电平衡作为目标函数,考虑三相不平衡度和负荷峰谷差等约束,建立静态和在线调度问题下EV充电调度模型。采用改进非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）进行多目标求解,通过设计交叉算子、自适应调整变异概率和局部优化等来优化结果。通过设置一定容量的外部档案和拥挤距离判定来获得Pareto最优前沿,并用模糊隶属度方法得到折中最优解。最后,通过算例分析可同时活动充电点和三相不平衡度的不同取值对优化结果的影响,并与无序充电进行比较,验证了所提模型和策略的有效性。     

双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP), 文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解. 首先, 在DIACO的全局搜索阶段, 重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM), 使其同时包含客户块信息和客户序列信息, 即建立具有双重信息的PCM(DIPCM), 从而更全面学习和累积优质解的信息; 采用3种启发式方法生成较高质量个体, 用于初始化DIPCM, 可快速引导算法朝向解空间中优质区域进行搜索. 其次, 在DIACO的局部搜索阶段, 设计结合自适应策略的多种变邻域操作, 用于对解空间的优质区域执行深入搜索. 再次, 提出信息素浓度平衡机制, 以防止搜索陷入停滞. 最后, 使用不同规模的算例进行仿真测试和算法对比, 结果验证了DIACO是求解GMCVRP的有效算法.     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模...     

A multi-objective green UAV routing problem

This paper introduces an Unmanned Aerial Vehicle (UAV) heterogeneous fleet routing problem, dealing with vehicles limited autonomy by considering multiple charging stations and respecting operational requirements. A green routing problem is designed for overcoming difficulties that exist as a result of limited vehicle driving range. Due to the large amount of drones emerging in the society, UAVs use and efficiency should be optimized. In particular, these kinds of vehicles have been recently used for delivering and collecting products. Here, we design a new real-time routing problem, in which different types of drones can collect and deliver packages. These aerial vehicles are able to collect more than one deliverable at the same time if it fits their maximum capacity. Inspired by a multi-criteria view of real systems, seven different objective functions are considered and sought to be minimized using a Mixed-Integer Linear Programming (MILP) model solved by a matheuristic algorithm. The latter filters the non-dominated solutions from the pool of solutions found in the branch-and-bound optimization tree, using a black-box dynamic search algorithm. A case of study, considering a bi-layer scenario, is presented in order to validate the proposal, which showed to be able to provide good quality solutions for supporting decision making.     

多目标同时取送货车辆路径问题的改进蚁群算法

为使同时取送货车辆路径问题(vehicle routing problem with simultaneous pickup and delivery, VRPSPD)的运输成本和各路径间最大长度差最小化,建立同时考虑车辆容量和距离约束的VRPSPD双目标模型,通过软件测试验证了模型准确性.针对问题的特点构造一个嵌入禁忌表、且具有贪婪转移准则的多目标蚁群算法,对蚂蚁产生的解执行多目标迭代局部搜索程序,以在多个邻域上优化该解或产生新的Pareto解.采用响应曲面法拟合算法参数对目标值影响的数学关系,确定最优参数组合.用该算法求得文献中12组Solomon算例的Pareto解集,并以绝对偏向最小化总成本的解与文献中仅最小化总成本的几种算法的计算结果进行比较,结果表明算法可求得权衡各目标且使单一目标近似最优的Pareto解.     

基于遗传算法的多目标QoS多播路由算法

针对通信网中多目标QoS多播路由模型，文章提出了一种改进的遗传算法。算法的编码方式采用节点序编码，编码和解码过程都比较简单直观。采用保留最佳个体与适应度比例的选择方法，加快了遗传算法的收敛，并在此基础上采用理想点法构建评价函数来求解模型的Vareto解，采用双层的交叉与变异操作，增加群体的多样性。仿真试验验证，该算法可靠性高，适用于大规模网络。     

基于多目标优化的应用层多播路由方案

针对网络中的多播路由问题,提出了同时兼顾时延、平衡和网络层业务量均衡多目标优化的应用层多播路由优化模型.该模型综合了网络层多播的高效率和应用层多播的灵活性的优点.通过将混沌免疫进化算法用于解决应用层多播路由多目标优化问题,最终产生一组最优非劣解集.该算法能够较好地保持种群的多样性,且收敛速度快,搜索能力较强,可以克服采用单目标路由优化方法的不足.最后仿真实验结果表明了该算法的有效性.