考虑交通拥堵规避的低碳时变车辆路径问题研究

针对时变路网条件下的低碳车辆路径问题,首先,分析车辆离散行驶速度与连续行驶时间之间的关系,依据“先进先出”准则设计基于时间段划分的路段行驶时间计算方法,引入考虑车辆速度、实时载重、行驶距离与道路坡度因素的碳排放计算函数;然后,在此基础上以所有车辆的碳排放量最小为目标构建低碳时变车辆路径问题数学模型;最后,引入交通拥堵指数,设计交通拥堵规避方法,并根据模型特点设计一种改进蚁群算法求解.实验结果表明,所提出方法能有效规避交通拥堵、缩短车辆行驶时间、减少车辆碳排放,促进物流配送与生态环境和谐发展.     

多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题。首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多类型算例进行仿真实验,结果表明共享物流模式能有效避免交叉配送与迂回运输等不合理现象,降低物流成本,缩短车辆行驶距离,减少车辆碳排放,促进物流与环境的和谐发展。     

公司班车的协同车辆路径问题

考虑员工上下班时间及早晚高峰期影响班车行驶速度等因素,建立协同车辆路径问题的数学模型.针对蚁群优化算法的缺点,结合具有快速全局搜索能力的遗传算法,并自适应地改变信息素挥发因子,采用混沌搜索产生初始种群可以加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混合自适应蚁群优化算法.应用该算法和蚁群优化算法对该模型求解,实验证明了构造算法在收敛速度和寻优结果两方面都优于蚁群优化算法.     

城市物流配送的混合车辆路径规划模型与优化算法

针对城市部分区域限行、物流系统中燃油车与电动车同时并存的实际情况,综合考虑客户需求量、服务时间、电动车行驶里程、已有充电设施、部分充电策略、燃油车油耗与碳排放等因素,以车辆使用固定成本、驾驶员工资、电动车的充电成本、燃油车的油耗与碳排放成本之和最小为目标构建混合车辆路径规划模型.根据模型特征设计一种改进蚁群算法求解,并采用多类型算例进行实验.实验结果表明,所提方法能在非常短的时间内给出符合决策者目标的混合车辆路径规划方案,有效降低总配送成本,减少燃油车油耗与碳排放,具有合理性、可行性与有效性.     

生鲜电商配送的开放式时变车辆路径问题研究

针对生鲜电商配送的“最后一公里”难题,考虑到生鲜农产品的易腐易损性与生鲜电商通常采用普通车辆配送等现实情况,引入常温条件下生鲜农产品的鲜活度度量函数;分析城市路网的时变特性,设计时变路网条件下的车辆行驶时间计算方法;综合考虑客户需求量、时间窗、生鲜农产品送达客户时的鲜活度、开放式车辆路径与车辆灵活出发时间等因素,以总配送成本最小为目标构建具有鲜活度限制的开放式时变车辆路径问题优化模型,并根据模型特点设计一种改进蚁群算法求解。仿真实验结果表明：与封闭式车辆路径策略相比较,基于开放式车辆路径策略的改进蚁群算法能有效降低生鲜电商的总配送成本,减少车辆使用数量,缩短车辆行驶距离,具有合理性与可行性。     

生鲜农产品冷链物流低碳配送路径优化研究

综合考虑配送车辆的固定成本、运输成本、生鲜农产品的货损成本、制冷成本、配送过程中产生的碳排放成本，以及因未满足客户要求的服务时间窗而产生的惩罚成本作为目标函数，构建考虑碳排放的生鲜农产品配送路径优化模型，提出了解决该问题的一种结合2-opt局部搜索机制的改进蚁群算法，并用实例对模型及算法的有效性进行验证，同时对算法参数进行了敏感性分析。仿真实验及算法对比结果证明模型和算法是有效的，可以为物流企业的配送决策提供参考。     

生鲜电商配送的TDVRPTW研究: 基于经济成本与环境成本兼顾的视角

基于经济成本与环境成本兼顾的视角,研究时变网络下生鲜电商配送的带时间窗车辆路径问题(TDVRPTW),综合考虑车辆时变行驶速度、车辆油耗、碳排放、生鲜农产品的易腐易损性、客户时间窗与最低新鲜度限制等因素,设计跨时间段的路段行驶时间计算方法,引入农产品新鲜度度量函数与碳排放率度量函数.在此基础上,以经济成本与环境成本之和最小为目标构建具有最低新鲜度限制的TDVRPTW数学模型,并根据模型特点设计一种自适应改进蚁群算法求解.最后采用案例验证所提出方法能有效规避交通拥堵时间段、降低总配送成本、促进物流配送领域的节能减排.     

基于改进蚁群算法的众包配送路径研究

针对现有O2O外卖众包配送的经验依赖性和随机性问题，建立以距离成本和时间惩罚成本之和最小化为目标的带有单侧软时间窗的需求可延迟的开放式车辆路径优化模型，并借助高德地图API接口获得各实际节点的经纬度信息和各节点间距离。改进蚁群算法在状态转移规则中添加下一步移动的潜在客户数量影响因子，同时将确定性搜索与随机性搜索结合，缩小蚂蚁搜索范围。仿真实验结果表明，相较于标准蚁群算法和标准粒子群算法，改进蚁群算法在求解质量和效率上均具有明显的优势。     

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,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,促进物流配送企业的节能减排.     

基于改进蚁群算法的车辆路径优化问题研究

物流活动中需要找出各个配货节点之间的最短路径,用以指导物流车辆调度,进而节约物流成本。提出解决车辆路径优化问题的方法,针对蚁群算法的缺点,分别对信息素更新策略、启发因子进行改进,并引入搜索热区机制,有效解决了蚁群算法的缺陷。最后,以哈尔滨市局部地图为原型,应用MATLAB软件对改进蚁群算法求解车辆路径优化问题的性能进行仿真,并与基本蚁群算法对比分析,验证了改进蚁群算法的有效性和可行性。     

混沌扰动模拟退火蚁群算法低碳物流路径优化

低碳物流是目前物流配送领域的热点研究课题,也是群体智能优化算法的重要应用方向。针对物流配送中碳排放的度量方法,以VRP问题为基本模型,以碳排放成本为目标函数,建立了低碳物流配送路径优化模型。为了避免基本蚁群算法出现停滞及早熟现象,提出了带混沌扰动的模拟退火蚁群算法来求解低碳物流配送路径优化模型。该算法将混沌系统及模拟退火机制引入基本蚁群算法,避免了算法陷入局部最优,增强了全局搜索能力,提高了求解效率。通过实验仿真及对比分析可知,带混沌扰动的模拟退火蚁群算法的求解结果明显优于基本蚁群算法,表明了该算法的有效性和合理性。     

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。     

基于作业链的泊位与岸桥协同调度研究

针对泊位与岸桥协同调度问题,引入“链式优化”思路,用作业链的方法分析集装箱装卸作业过程,首先将泊位计划作为开始链单元,采用资源节点优化策略进行分析,以最小化船舶在港总成本为目标建立模型;然后将岸桥卸船作业作为结束链单元,采用任务节点优化策略进行分析,以最小化岸桥最大完工时间为目标建立模型。考虑到作业链的整体性能,设计嵌套循环算法进行求解,内循环中用遗传算法分别求解泊位岸桥分配模型和岸桥调度模型,外循环中用岸桥数量作为公用变量对两个模型进行传递和反馈,寻找协同调度最优解。与单独调度进行对比,结果表明协同调度的优化效果更好;与粒子群算法、蚁群算法和蜂群算法的求解结果进行比较,表明遗传算法在求解质量和效率方面都更优,证明了提出的模型和算法能够有效解决此问题。     

蚁群智能体记忆模型研究

将记忆机制引入传统蚁群算法,把蚂蚁看作具有记忆的智能体,通过对记忆的存储、更新及遗忘原理进行分析,建立一种基于生物记忆原理的蚁群智能体记忆模型。在模型中,蚂蚁智能体能够凭借记忆对自身记忆库和蚁群记忆库进行不断搜索和更新,及时调整当前最优路径。记忆原理与传统蚁群算法的结合替代了后者多次反复迭代的寻优模式,能更好地实现路径选优、缩短搜索时间、提高算法执行效率。实践检验发现,该模型能实时追踪蚁群智能体的最新动态,对当前最优路径做出及时调整和判断,从而引导自身及其他蚂蚁智能体准确、高效地寻找到最优路径。     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

网络负载均衡优化算法的建模与仿真

研究网络资源管理中的负载均衡与优化问题,网络资源有限且负载具有突发性,造成资源浪费。采用传统单一蚁群算法或遗传算法均存在各自不足,难以适应用网络负载变化特点,使网络资源利用率低,网络拥塞严重。为了提高网络资源利用率,使网络负载更加均衡,提出一种蚁群-遗传算法的网络负载均衡方法。首先利用遗传算法对网络负载均衡问题进行全局搜索,使网络负载均衡的解迅速处于全局最优区域解附近,然后将遗传算法的解作为蚁群算法初始信息素,进行进一步搜索,最后找到网络负载均衡的最优解。仿真结果表明,用蚁群-遗传算法提高了网络资源利用率,降低网络丢包率,提高网络整体性能。