基于退火算法的物流配送网的求优研究

模拟退火算法是一种启发式算法,是受到加热紧缩的退火过程所启发而提出来一种求解组合优化问题的一种逼近算法。算法要优于传统的贪婪算法,避免了陷入局部最优的可能,从而达到全局最优解。在物流配送网络中经常为有一些寻求最短路径等问题出现,为了能够达到最短、最优、最经济等,需要进行物流配送路径寻优。文中采用模拟退火算法进行一个示例的验证,效果证明可行。     

基于混合粒子群算法的物流配送路径优化问题研究

针对物流配送路径优化问题,提出了一种融合Powell局部寻优算法和模拟退火算法的混合粒子群算法,以克服单用粒子群算法求解问题早熟收敛的不足,增加算法的开发能力,提高算法的全局搜索能力,并进行了实验计算.计算结果表明,用混合粒子群算法求解物流配送路径优化问题,可以在一定程度上提高粒子群算法在局部搜索能力和搜索全局最优解概率,从而得到质量较高的解.     

基于改进自适应遗传算法求解有色金属立体仓库堆垛机路径优化问题

针对有色金属自动化立体仓库系统,建立其实体模型。通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题。通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真,实验结果表明,此方法收敛速度快,可以获得全局最优解,其堆垛机路径规划更加快速和有效。     

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。     

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。     

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。     

考虑均衡负载的车辆路径问题及算法设计

针对目前物流配送系统中存在的车辆负载不均衡导致的物流配送质量和配送系统柔性下降这一现象,提出了考虑均衡车辆负载的多目标路径优化模型,以配送车辆总行驶距离尽可能短和车辆之间载运量尽可能平衡为优化目标。〖JP2〗针对模型设计遗传算法,通过在变异操作后加入进化逆转操作,加强局部寻优,找到全局最优解。以1个配送中心和14个客户的配送网路为例,利用Matlab软件建模分析,设置并调节不平衡处罚参数,得到总行驶距离和不平衡度之间的变化关系图和若干备选决策。最后构建评价体系对各个决策进行评分,〖JP〗得出当总行驶距离为40819 5,不平衡度为1时,评分最高,为本算例最优解,表明该模型在实际应用中能够为管理者提供决策依据。     

一种基于遗传算法的多目标优化算法研究

对一般的无约束多目标优化问题的求解进行讨论,提出一种基于遗传算法的求解方法,该方法区别于传统遗传算法的求解模式,它采用带性别标志的编码、子群体的选择、保留Pareto最优解,并对解集进行共享函数的处理,最后得到较高质量的Pareto最优解集,给出的两个算例也充分说明此方法在处理多目标问题的可行性和实用性。     

基于遗传算法的20 K氦制冷机的优化设计及其热力学分析

通过计算机程序实现10 k W@20 K的大型氦制冷机的热力学过程,在此基础上分析了流程中压缩机和透平膨胀机入口压力对系统制冷系数和效率的影响。同时与Matlab编写的遗传算法接口相连交互数据,从而实现针对该制冷机热力学参数的优化。选取制冷量和系统效率的加权值为优化目标,压缩机和透平膨胀机入口压力为待优化参数,通过遗传算法(GA)的优化计算得到了稳定的最优解,表明遗传算法在优化大型制冷系统过程中可以快速高效搜索到满足目标要求的全局最优解。     

两点沿曲面最短路径的遗传算法研究

求两点沿曲面最小距离的关键是正确选择两点间沿曲面的最短路径。遗传算法是一种全局性概率搜索算法。它在整个问题空间实施搜索,可得到问题的全局最优解,本文应用了遗传算法的理论与方法。首先,将整个曲面作为搜索空间,路径长度作为目标函数,设定了路径优化问题。其次,建立了椭圆坐标系,满足了遗传编码完备性的要求,实现了二维实数编码。运用排序选择方法,单一交叉和最小变异操作,完成了遗传算法,同时获得了最短路径。该方法适用于各种形式的曲面。     

基于供应链协同的物流配送路径调度优化

在分析供应链协同运作机制的基础上,针对3级供应链协同网络的物流配送路径问题进行研究.在考虑回程空载及任务时间限制等影响因素的基础上,以整体成本最小化为目标,建立基于供应链协同的物流配送路径调度模型.通过案例分析,运用CEGA算法进行编程计算,快速有效地得到调度模型最优解,所建模型的实用性和有效性得到验证.     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

电网停电后机组恢复优化方法研究

提出了机组恢复的多目标优化策略。以机组启动后提供的发电量尽可能大、已恢复的电源点尽量在网架层面铺开、有利于后续厂站层机组和重要负荷的恢复为优化目标,建立机组恢复的多目标优化模型。先将恢复过程划分为一系列顺序执行的恢复时步,再将每一时步的优化问题转化成多目标“0／1背包”问题;结合最短路径法为机组恢复方案搜索恢复路径,采用快速非支配排序遗传算法进行求解;最后对每时步的Pareto最优方案排序,确定最优解。算例结果验证了该方法的有效性。     

改进智能水滴算法在车辆调度问题中的应用

目的克服标准智能水滴(IWD)算法泥土含量更新对象较为单一的缺点,提高其求解车辆调度问题的全局搜索能力。方法在IWD算法基础上,设计一种改进智能水滴(IIWD)算法用于车辆调度问题的求解。引入次优解集合的概念,每次迭代结束后同时更新最优解集合和次优解集合中的泥土含量;设计浑沌扰动机制,对陷入局部最优解的智能水滴进行浑沌扰动;根据车辆调度问题的特点,提出求解车辆调度问题的IIWD算法。结果得到含有8条子路径,总行驶距离为842.60 km的最优调度方案,相对于标准IWD算法(941.35 km)和遗传算法(860.76 km)的求解结果分别缩短了98.75和18.16km。结论与遗传算法和标准IWD算法相比较,IIWD算法在求解车辆调度问题时收敛速度更快,全局优化能力更高。     

单源多路径配装-运输集成模型算法研究

货物配装和运输是物流配送系统的重要组成部分,是提高物流配送系统运作效率的关键。针对物流配送系统的复杂约束,建立了单源多路径配装-运输集成模型。为求解上述模型,采用基于客户点序号编码,最大保留交叉和自适应交叉变异等技术,设计了改进的遗传算法。实例计算表明,模型和算法可行有效,能较好地解算单源多路径配装-运输问题,为物流配送系统的优化提供了新的思路。     

改进遗传算法在包装件物流调度中应用的研究

根据包装件物流配送的特点,建立了采用遗传算法研究有时间窗车辆路径规划(VRPTW)的数学模型;构造了一种改进的遗传算法用于求解VRPTW问题,在改进算法中,采用了射线扫描法产生初始种群,设计了进化逆操作交叉算子;利用MATLAB对包装件物流配送车辆路径规划进行实例验证,验证表明改进后的遗传算法既能保持群体的多样性,又能有效的加快搜索速度.     

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。     

遗传算法在轮胎结构多目标优化设计中的应用

在轮胎结构设计中应用一种基于共享小生境技术的遗传算法(简称Pareto GA),用来求解多目标优化问题的Pareto最优解集合。在综合考虑轮胎带束层的耐久性和轮胎重量的基础上,通过三维有限元分析和室内耐久性试验建立了优化轮胎带束层的数学模型,采用Pareto遗传算法对该数学模型进行求解,获得了分散性很好的Pareto最优解集合。为了检验优化的效果,应用三维有限元分析技术,对优化胎与原胎进行了分析与对比。结果表明,该优化过程达到了预期的目的。     

基于人工蜂群遗传算法的稀疏全聚集成像方法研究

稀疏阵列设计是一种可提高相控阵成像实时性的有效途径。遗传算法能较好解决线性阵列稀疏这种典型的约束优化问题。但此算法的局部搜寻能力较弱,且在后期搜寻效率较差。为此,论文通过构建人工蜂群-遗传算法的阵列稀疏方法,把蜂群寻找最优解的过程引入到传统遗传算法中,增加全局最优解的搜索能力。结果显示,人工蜂群-遗传算法优化后得到的稀疏阵列比遗传算法优化后得到的稀疏阵列具有更高的旁瓣抑制力,阵列的峰值旁瓣水平达到-11.40 dB。而在阈值为-6 dB时,两种算法优化得到的稀疏阵列主瓣宽度都等同于全阵列2.8°的主瓣宽度。最后,论文通过相控阵检测系统在钢轨试样上采集超声信号,利用人工蜂群-遗传算法设计得到的稀疏矩阵进行全聚焦成像。实验结果显示,当阵元数为32的线性阵列在稀疏率达到75%时,稀疏阵列的阵列性能指标分辨率、信噪比与满阵相差不大,但成像效率却提高了53.04%。     

求解约束优化问题的退火遗传算法

针对基于罚函数遗传算法求解实际约束优化问题的困难与缺点,提出了求解约束优化问题的退火遗传算法。对种群中的个体定义了不可行度,并设计退火遗传选择操作。算法分三阶段进行,首先用退火算法搜索产生初始种群体,随后利用遗传算法使搜索逐渐收敛于可行的全局最优解或较优解,最后用退火优化算法对解进行局部优化。两个典型的仿真例子计算结果证明该算法能极大地提高计算稳定性和精度。