求解车辆路径问题的周期进化遗传算法

针对标准遗传算法易于“早熟”的问题,提出了用周期进化遗传算法求解车辆路径问题.该算法模拟了自然界演化过程中的“进化一退化”并存且周期性往复的特点,设计了包含插入算子和倒位算子的组合算子以确保算法强大的搜索能力.实例验证结果显示,周期进化遗传算法相比于现有的两类典型遗传算法更易于找到最优解,显示出较佳的全局搜索能力,是一种求解车辆路径问题的有效方法.     

求解车辆路径问题的免疫遗传算法

VRP问题是一类典型的NP问题.本文通过引入免疫算子,构造一种新的免疫遗传算法(IGA)求解VRP问题.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了基本遗传算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,并能有效解决VRP问题.     

超启发式遗传算法求解带软时间窗的车辆路径问题

针对车辆路径问题中传统软时间窗惩罚函数过于线性的问题,考虑客户容忍水平,提出一种折线型软时间窗,并构造出相应的惩罚函数。在此基础上,以运输配送总成本最小为目标,构造出一种带折线型软时间窗的车辆路径问题通用数学模型。同时,提出一种具有一定通用性的超启发式遗传算法,该算法以遗传算法作为上层搜索算法,以3种启发式算法——CW节约法、MJ插入法和Kilby插入法作为底层搜索规则,并通过预排序、局部搜索和全局优化来优化算法。最后,通过Solomon标准题库中的R101算例分析并验证了所提算法的可行性和有效性。     

有时间窗车辆路径问题的改进遗传算法

给出了有时间窗车辆路径时间通用数学模型，该模型不仅能够满足大多 数实际问题的需要，而且通过对特定参数的设定，还能够转换成其他几种典型的组合优化问题的数学模型，通过引入新颖交叉算子，构造了一种进遗传算法，该算法摆脱了对群体多样性的要求，不存在传统遗传算法常见的“早熟收敛”问题，该算法已用于解决有时间窗的车辆路径问题，实验结果表明，它可以有效地求得有时间窗车辆路径问题的优化解，最求解车辆路径问题的一个较好方案。     

基于改进遗传算法的带硬时间窗车辆路径问题研究

建立了带硬时间窗车辆路径问题数学模型。针对传统遗传算法在局部搜索能力上存在不足这一问题,根据相关文献将爬山算法的思想融入遗传算法中,构造了求解该问题的改进遗传算法。仿真结果表明,该算法在局部搜索过程中能够避免早熟,一定程度上克服了传统遗传算法在局部搜索能力上的不足。     

车辆路径问题的智能建模方法研究

针对车辆路径问题的自动建模工作,以人类建模思维规律为依托,提出了基于结构差异的智能建模方法,实现了车辆路径问题的智能建模系统,解决了车辆路径问题动态性导致问题建模不能实现的瓶颈.通过该系统的实际应用,验证了建模方法的可行性与有效性.     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

多车场与多车型车辆路径问题的多染色体遗传算法

针对目前多车场、多车型车辆路径问题存在的求解效率低和解的质量差等不足,建立了该问题的整数规划模型,提出了多染色体遗传算法,统一了多车场、多车型问题与传统单车场、单车型问题的求解算法。通过算例对多染色体遗传算法进行了实验,并将其与传统算法进行了对比分析。实验表明,该算法不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了算法的有效性和实用性。     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

求解带时间窗车辆路径问题的改进型烟花算法

针对带时间窗车辆路径问题,为寻求组合优化问题最优解,构建总运输成本最小数学模型。由于烟花算法搜索半径不能自适应调整,算法后期易陷入局部最优,故对爆炸算子进行改进,使最优烟花搜索半径自适应调整,增强后期局部搜索能力;同时利用分布式信息共享机制避免算法早熟并引入变异火花增强种群多样性。利用标准测试集进行验证后,结果表明该算法在求解带时间窗车辆路径问题时不仅具有可行性和有效性,并且收敛速度快、搜索质量高。     

供应链中车辆路径问题的研究进展及前景

车辆路径问题是供应链研究的一项重要内容。本文概述了近年来车辆路径问题的现状;介绍了车辆路径问题主要的几种分类方法;总结了车辆路径问题中几种常见的附加条件。分别介绍了确定车辆路径问题、随机车辆路径问题和模糊车辆路径问题出现的背景及其具体应用场合,讨论并总结了针对这些问题的不同建模方法和算法求解思路,以及这些算法的优点、局限和适用范围。简要介绍了国内该领域的发展现状,并结合供应链应用的需要,指出车辆路径问题的研究发展方向。     

带时间窗的多中心半开放式车辆路径问题

针对多中心协同配送下的车辆路径问题,建立了总成本最小化模型,所建模型满足多中心、多需求点和半开放式的特征。考虑到问题的复杂性,设计了一种三阶段求解算法:将K-mediods聚类算法用于原始数据分解,将原规模较大的多配送中心路径问题转换成多个单配送中心路径问题;设计了改进多蚁群算法来求解单配送中心路径问题,得到初始方案;在调整阶段,利用节约算法优化初始方案。分析了算例,并同其他文献的算法求解结果进行对比,结果表明,所提算法比GA-ACO算法求解得到的单中心配送最优路径值减小32.16%,总成本减小30.42%;比狼群算法解得的最优路径值和总成本均减小8.99%;比蚁群算法求得的最优路径值减小24.76%,最小配送成本减小3.40%,从而验证了所建模型的合理性和所设计多阶段算法的有效性。     

基于Witness车辆路径问题的仿真建模与优化

简要介绍了车辆路径问题及仿真的知识,针对实际问题,利用Witness仿真软件,建立车辆路径问题的仿真模型,然后运行仿真模型,得到仿真输出结果,通过对模型结果的输出分析,寻找车辆路径问题的瓶颈因素,通过对瓶颈因素的解决,进行问题的优化,最后得到更优的可行解。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

基于遗传算法的管路智能敷设应用研究

为提高计算机辅助管路敷设效率,本文采用遗传算法进行管路路径的寻优,以解决自动绕障且路径最短的管路智能敷设难题。文中构造了创建管路路径的适应度模型,同时融入敷管工程约束规则,解决了工程规则表达问题,探讨了三种遗传操作方式。给出了创建管路路径遗传算法的算法流程,基于平面障碍物进行了遗传算法创建管路路径的可行性测试。最后针对三维发动机数字模型样机采用空间网格划分的基础上,自动敷设了20余根典型的管路,验证了智能敷管的可行性。