基于改进蚁群算法的物流配送车辆路径优化方法的研究

带时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows，VRPTW）是物流配送研究的重点。本文提出一种改进的蚁群算法，通过对初始解的启发、信息素更新策略的改进来解决VRPTW，并通过56个Solomon问题中R101作为实例数据进行验证。计算结果表明改进的蚁群算堂皇其宴文献中的算法具有竞争性，同时也表明该算法优于原算法。     

学术前沿

正包装废弃物回收车辆路径问题的改进遗传算法作者:张异来源:包装工程,2018 (9)目的 -采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法 -提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,     

基于动态需求的带时间窗的车辆路径问题

针对动态需求下的带时间窗的车辆路径问题,在最小化配送成本的目标下,通过提升服务的准时性来改进顾客满意度。考虑两阶段规划策略:在初始规划阶段,采用改进的遗传算法获得初始车辆路径;在动态优化阶段,将动态需求过程转化为多个瞬时静态子过程,采用模拟退火算法得到实时优化后的车辆路径方案。在一个实际案例中的应用和求解,证明了方法的现实有效性。     

考虑动态行驶时间的无人驾驶车辆调度问题研究

利用无人驾驶车辆进行物流配送有助于降低物流运输成本,提高运输效率。研究考虑动态行驶时间的无人驾驶车辆路径问题,提出动态行驶时间与时变速度相关。综合分析实际中的车辆速度、时间、剩余里程和充电时间,建立以总配送时间最短为目标的数学模型。最后,结合京东在某城市物流配送项目中的实例,运用不同的算法合理有效地完成了车辆配送路径规划。通过实例验证了搭建的数学模型的准确性和设计算法的优越性。     

基于分段遗传编码的配送路径优化

为减小物流配送中车辆路径优化这一NP难题的组合规模，增大其搜索空间及寻优效率，提出了一种分段编码方法，编码中的各段表示相应车辆路径的需求城市集合。以非完全连通配送网络为研究对象，基于分段遗传编码，构造了车辆路径优化问题的遗传算法，通过对编码各段超载、包容等的判断，得出一个关于需求城市的最优划分。最后利用改进的迪杰斯特拉算法，根据最优化分中的需求城市，求取最优的配送路径集。计算示例证明了该方法的有效性。     

不确定车数的随机车辆路径问题模型及算法

研究了一类有时间约束、车辆数量不确定的随机车辆路径问题;建立了该类问题的随机规划数学模型;设计了模型求解的遗传算法、禁忌搜索算法和遗传-禁忌混合算法.禁忌算法采用了对当前解的车辆-顾客分配结构和解的路径顺序分别禁忌的双层禁忌算法,使算法全局性更好,同时也降低了搜索时间.把禁忌算法作为变异算子应用于遗传算法形成了混合算法.最后给出了计算示例,对算法进行了比较分析.     

基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

改进粒子群算法在农产品物流配送路径管理中的应用

目的 为了更加合理地进行车辆路径调度管理,提高粒子群求解车辆路径优化问题的性能。方法 提出了一种动态猴子跳跃机制的粒子群优化算法,它借助群体的动态分组,采用不同的动态惯性权重来提高算法的速度,引入猴子跳跃机制来保证全局收敛性。最后把改进算法应用到物流配送路径优化的2个实例中,同一环境下,改进算法搜寻到最优路径适应值、平均运算时间,以及求得最优解的成功次数,均优于标准粒子群优化算法。结果 结果表明,改进的算法能快速有效地确定物流配送路径。结论 改进粒子群优化算法不仅具有较快的寻优速度,而且也提高了算法的收敛性,保证了寻优质量,因此具有很大的应用价值。     

混合模拟植物生长算法在包装件配送中的应用

目的针对改进模拟植物生长算法(IPGSA)容易陷入局部最优解及其算法运行时间较长,提出混合模拟植物生长算法(HPGSA)来求解带时间窗车辆调度问题(VSPTW)。方法在IPGSA基础上,提出求解包装件物流配送中VSPTW的混合模拟植物生长算法(HPGSA)。改进IPGSA初始调度方案的构造方式,设计求解VSPTW的C-W算法用于构造HPGSA的初始调度方案;改进IPGSA的邻域搜索算子,选择插入搜索算子和互换搜索算子对HPGSA进行邻域搜索;对18个不同规模的Solomon算例进行仿真测试。结果相对于其他智能算法,HPGSA具有更好的求解性能,能够保证VSPTW对求解算法的要求。结论 HPGSA的全局优化能力、稳定性和运行速度均优于IPGSA、遗传算法、蚁群算法和禁忌搜索算法。     

考虑低碳的城市配送车辆路径优化模型研究

随着城市内营运车辆的增加,汽车尾气作为雾霾重要成因之一影响越来越大,但传统的VRP研究很少考虑节能减排的因素,其路径优化结果无法满足当前低碳化社会发展的需要。在传统TDVRP的基础上,构建了综合考虑低碳、节能和成本节约的城市车辆配送问题模型(E-TDVRP,Emission-Time Dependent Vehicles Routing Problems),将包含上述三个因素在内的经济成本的最小化作为优化目标对车辆路径进行规划。采用遗传算法,改进了基于客户的实数编码方式,通过算例验证了模型和算法的有效性和可行性。就本文算例与传统TDVRP模型中以最小里程为目标函数的路径优化结果进行比较发现,考虑低碳化的路径安排比最小里程的路径安排多派遣了1辆车,路径总长增加了约18.6%,但总成本比后者降低约2%,减少碳排放量约为14.4%。     

带时间窗的汽车总装线物料配送路径规划

分析了现阶段汽车总装线物料配送中存在的问题,建立了适用于汽车总装线物料配送路径规划的混合时间窗模型,提出了解决带时间窗的汽车总装线物料配送路径优化问题的改进遗传算法,使用了一种新的染色体编码方式和与之对应的交叉算子。针对传统轮盘赌随机操作选择误差比较大的弊端,提出改进的轮盘赌选择算子,加大随机数的产生次数并加入排序选择的思想,融合了最佳个体保存选择策略,提高算子的选优性能。实验表明该算法用于求解带时间窗的汽车总装线物料配送路径问题的有效性。     

带时间窗的车辆路由问题的改进遗传算法

提出了一种改进的遗传算法,使用了一种新的染色体编码方式,和与之对应的启发式交叉算子,同时采取了竞争选择的淘汰机制,通过对Solomon提出的100个点的标准算例的计算验证,证明了该算法能够很好地解决各类带时间窗的车辆路由问题,通过和混和遗传算法的比较,证明了该算法在计算时间、收敛速度上都有大的优势.该算法计算得到的解在总行驶距离相差不大的情况下使用车辆数较少.     

A Two-Stage Genetic Algorithm for Molding Parameters Optimization for Minimized Residual Stresses in Composite Laminates During Curing

The residual stress generated during the curing process of composite structures will seriously reduce the material performance. This paper presents a two-stage genetic algorithm (GA) procedure to inversely determine the optimal molding parameters that minimize residual stresses. In our proposed two-stage GA procedure, a finite element model for Multiphysics simulation is first created to compute the residual stresses of the composite laminated plate for a given temperature curve. The FEM model is then modulated by an improved GA with the residual stresses of the plate as the objective function. The improved GA is called in two-stages: the first stage determines a set of likelihoods of the modeling parameters around which the "optimal" parameters may reside. The 2^nd stage zooms-in the areas centered by these likelihoods, which finds molding parameters that minimize the residual stresses. The results show that the proposed two-stage genetic algorithm is more efficient than the traditional genetic algorithm.

     

基于MATLAB的一种混合遗传算法的研究

在简要分析简单遗传算法的基础上,介绍了一种改进的混合遗传算法.使用MATLAB语言编制了GA及其改进算法的实现程序,改进算法可以大幅度提高GA用于求解复杂问题的鲁棒性.多峰值函数优化结果表明,该算法能更有效地达到全局最优解.     

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

基于HCGA的三坐标测量路径优化

针对传统遗传算法(GA)进行三坐标测量路径优化时收敛速度慢且过早收敛的问题,提出基于爬山遗传算法(HCGA)的三坐标测量路径优化方法。根据三坐标测量路径优化的数学模型,构造适合于测量路径优化问题的遗传编码、初始种群、选择、交叉、变异等参数,通过增加爬山操作,加快GA的迭代收敛速度。仿真实验结果表明,基于HCGA的三坐标测量路径优化方法能有效提高局部寻优能力与收敛速度,可获得很好的最优解并提高了测量效率。     

Electromagnetic optimization design of a HTS magnet using the improved hybrid genetic algorithm

The genetic algorithm (GA) is an efficient method in the optimization of superconducting magnets, but there are some limitations of the GA applied to practice design of superconducting magnet, such as poor local search ability, premature convergence, etc. An improved hybrid genetic algorithm is developed by combination of the sequential quadratic programming (SQP). A high temperature superconducting (HTS) magnet by Bi-2223/Ag tape is designed through the improved hybrid GA. A new configuration of the HTS magnet which can reduce the winding volume and become more convenient to construct is suggested with consideration of the constraints, such as central magnetic filed, critical current characteristic, storage energy, and so on.     

一种改进的盲解卷积算法在轴承声学诊断中的应用

针对时域盲解卷积算法滤波器长度估计困难的缺点,提出一种基于遗传算法优化的改进算法。该算法利用遗传算法搜索最佳时延,解决了盲解卷积结果不确定问题,并改进了信号分量的聚类指标,采用峭度作为独立分量间距离测度,提高了信号分量聚类的准确性,获得了可靠的估计信号。计算机仿真和实际环境中故障轴承声信号提取实验验证了该算法的有效性。     

A genetic algorithm for optimal unequal-area block layout design

The use of a genetic algorithm (GA) to optimise the binary variables in a mixed-integer linear programming model for the block layout design problem with unequal areas that satisfies area requirements is analysed. The performance of a GA is improved using a local search through the possible binary variables assignment; results encourage the use of this technique to find a set of feasible solutions for the block layout design with more than nine departments.