同类货物集装箱装载问题的启发式算法

提出了求解同类货物集装箱装载问题的一种启发式算法.算法中采用了层的思想,集装箱的每个面都可用来构建层.通过对二维布局、层高组合和用来构建层的集装箱面的选择等三个方面的优化求解,得到了具有较高装载率的集装箱装载方案.实例结果表明,该算法是求解同类货物集装箱装载问题的一种行之有效的方法.     

混合二元蚁群算法求解集装箱装载问题

集装箱装载问题是一个具有复杂约束条件的组合优化问题,属于NP-hard问题。针对集装箱装载问题的特点,设计了空间三叉树,对可利用空间采用三叉树划分策略,利用二元蚁群算法结合启发式算法进行求解,即先利用二元蚁群算法确定预备装入货物集,再用启发式算法决定货物的装入优先级顺序,并给出了有效的装箱算法。实例结果表明该算法的有效性和实用性。     

集装箱装载的一种启发式算法

多约束条件下的三维装箱问题是一个复杂的组合优化问题,属于NP-HARD问题，其求解是很 困难的．所以在实际应用中,往往采用一些启发式算法来求解．本文在考虑一些实际应用中 的约束条件下，提出了一种三维集装箱装载的启发式算法．此算法采用了三空间分割、平均 高度装载、货物合并、空间合并等策略，考虑了方向、重量、优先顺序、货物的配置位置等 约束条件．通过逐步淘汰差的装载方案，最后达到满意的装载．实例仿真说明了该算法的有 效性和实用性，能够直接用于实际应用中．     

应用自适应遗传算法解决集装箱装载问题

集装箱配载是一个复杂的组合优化问题，其约束条件多，属于NP完全问题，并且求解难度大．在满足一定的约束条件下。提出一种3维集装箱装载的自适应遗传算法．算法中考虑了货物放置方向和装载容积等约束条件，给出了有效的解码算法．实例仿真结果表明了该算法的有效性和实用性．     

集装箱装载问题的一种DNA遗传算法

三维集装箱装载是一个复杂的组合优化问题,约束条件多,属于NP完全问题,求解难度大.在考虑方向性约束和稳定性约束的情况下,提出了一种DNA遗传算法（DNA-GA）,给出了有效的编码和解码方法。实例计算结果表明,利用DNA-GA解决装箱问题是行之有效的一种方法,对推广DNA计算在求解NP难解问题中的应用具有一定的意义。     

遗传模拟退火算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题，属于NP-完全问题，其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下，将模拟退火算法作了若干改进后，融入遗传算法，提出了一种遗传模拟退火算法来求解弹药装载问题。本文对该算法的遗传算子和冷却进度表进行了详细的阐述，给出了使用该算法求解弹药装载问题的具体实现方法。     

基于装箱树算法求解集装箱装载问题的研究

研究了把同种货物装入一个集装箱内，使箱子内的空间利用率为最大的集装箱装载问题．首先，运用启发式算法,充分考虑了箱子和货物的方位、剩余空间等问题．然后，通过主空间装填、空间分层、剩余空间优化等建立一个装箱树．最后，用Java程序完成装箱树算法，并实现集装箱装载问题的求解．用实例验证了算法的可行性，能够投入实际应用．     

求解三维装箱问题的混合遗传模拟退火算法

集装箱装载是货物运输过程中重要的一步,其属于NP-hard问题。为了提高效率,降低成本,提出了以集装箱体积利用率最大化为目标建立三维装载模型,同时考虑体积约束、重量约束、重心约束、方向约束。利用混合遗传、模拟退火与三空间分割启发式装载算法求解模型,算法中融入局部最优解保存策略来避免局部较好解在后续的算法过程中出现适应度降低的情况。通过强异类算例与弱异类算例对算法进行性能测试,并结合具体的货物装载数据,得出三维装载图与目标函数值。结果表明,该算法应用于集装箱装载有着较好的效果。     

遗传算法求解复杂集装箱装载问题方法研究

现场集装箱装载问题多为多目标、多约束优化的复杂问题.遗传算法本身的鲁棒性、并行搜索性以及在NP完全问题求解中的广泛应用,表明遗传算法是解决复杂集装箱装载问题的有效途径.探讨了遗传算法在求解这一复杂问题过程中的应用,给出了有效的编码形式和解码运算.算例求解结果显示出很好的效果.     

集装箱装载问题的研究现状及发展预测

集装箱装配是个多约束的复杂组合优化问题,属于NP -Hard问题,其求解是很困难的,所以实际应用中一般多用启发式方法来解。分析和比较了几种启发式集装箱装配的特点,并对未来的研究发展趋势做出了预测。     

A hybrid approach for the vehicle routing problem with three-dimensional loading constraints

This paper addresses a recently practical combinatorial problem named Three-Dimensional Loading Capacitated Vehicle Routing Problem, which combines three-dimensional loading problem and vehicle routing problem in distribution logistics. The problem requires a combinatorial optimization of a feasible loading and successive routing of vehicles to satisfy customer demands, where all vehicles must start and finish at a central depot. The goal of this combinatorial problem is to minimize the total transportation cost while serving customers. Despite its clearly practical significance in the real world distribution management, for its high combinatorial complexity, published papers on this problem in literature are very limited.     

基于遗传算法的单车运输配载研究

单车配载优化问题是一个复杂的组合优化问题,属于NP-hard问题,即使在运输量较小时也很难得到最优解.针对此问题,建立了单车多型配载模型,将逐次放置货物的放置方式和遗传算法相结合,采用与布局方式相结合的解码过程和加速收敛的适应度函数.通过实验比较得到车厢面积占有率、优化时间以及相应算法参数值.结果表明,该算法较其他算法有更好的车厢空间利用率和快速优化能力,有效解决了一般遗传算法优化时间长的问题,对实际公路运输配载优化问题有一定的参考价值.     

Binary ant colony optimization applied to variable screening in the Mahalanobis–Taguchi System

This work presents the application of the Mahalanobis–Taguchi System (MTS) to a dimensional problem in the automotive industry. The combinatorial optimization problem of variable selection is solved by the application of a recent version of binary ant colony optimization algorithm. Moreover, a comparison with respect to binary particle swarm optimization algorithm is also presented and a discussion regarding the numerical results is given.     

蚁群算法在求解旅行商问题中的应用综述

旅行商问题作为组合优化研究中最具挑战的问题之一, 自被提出以来就引起了学术界的广泛关注并提出了大量的方法来解决它. 蚁群算法是求解复杂组合优化问题的一种启发式仿生进化算法, 是求解旅行商问题的有效手段. 本文分别介绍蚁群算法中几个有代表性的算法, 综述了蚁群算法的改进、融合和应用的文献研究进展, 以评价近年来不同版本的蚁群算法为解决旅行商问题的发展和研究成果, 并针对改进蚁群算法结构框架、算法参数的设置及优化、信息素优化和混合算法等方面, 对现被提出的改进算法进行了分类综述. 对蚁群算法在未来对旅行商问题及其他不同领域的研究内容和研究热点的进一步发展提供了展望和依据.     

求解入库堆垛问题的改进约束满足算法

入库堆垛问题普遍存在于堆场作业管理中,是在货物数目和出库顺序已知的前提下,要求较长（重）的货物置于较短（轻）的货物下方,目标是实现占用垛位数最少。通过问题分析,将其归结为一类带顺序约束的A形装箱问题,并建立了约束满足模型,设计了嵌入经典装箱启发式的约束满足求解算法。实验表明,该算法对于求解复杂约束下的大规模堆场问题较现有的装箱启发式有一定程度的改善。     

基于遗传算法的集合划分问题求解

集合划分问题是组合优化领域中有着广泛应用基础的著名问题,属于NP难问题.通过引入精英策略提出对遗传算法的改进,并为了能把遗传算法应用到集合划分问题,对数学模型进行了等价变换.针对集合划分问题,设计出一种高效的基因表示,避免了组合优化中处理约束条件的麻烦.解决了传统二进制基因编码无法精确适应离散优化问题,首次提出一种离散编码解决方案.最后,使用Visual C 6编程实现,取得较好的结果.     

Mahalanobis–Taguchi system applied to variable selection in automotive pedals components using Gompertz binary particle swarm optimization

This work presents the application of the Mahalanobis–Taguchi system (MTS) to variable detection in the manufacturing process of automotive pedals components. The combinatorial optimization problem of variable selection is solved by the application of Gompertz binary particle swarm optimization algorithm. Moreover, a numerical comparison with respect to other common version of binary particle swarm and binary ant colony optimization algorithms is presented followed by a discussion regarding the corresponding numerical results.     

Tabu-based GIS for solving the vehicle routing problem

Besides being a hard combinatorial problem, the VRP is also a spatial problem. Hence, effective decision making in this field strongly requires the integration of GIS and optimization systems (GIS-O). This article integrates GIS and optimization tools for solving the vehicle routing problem with loading and distance requirements (DCVRP). A general outline of the multi-step integration is pointed out showing the interaction of the GIS and the spatial optimization according to the loose coupling strategy. The computational performance of the TS-VRP algorithm for the DCVRP turned out to be quite efficient on both computation time and solution quality. The Tunisian case study well illustrates the incentive behind using such a spatial decision support system that allows the management of the problem from the data acquisition to the visualization of possible simulation scenarios in a more realistic way.