带有时间窗的虚拟场站接驳补货车辆路径问题

针对大区域多需求点的物流配送系统,在原有的车辆配送总费用为目标的基础上,兼顾顾客的满意度目标,建立了带有时间窗车辆路径问题的多目标最优化模型,该模型基于大小车沿途在虚拟场站接驳补货策略,节省了货车往返配送中心补货次数、距离与时间.根据该模型需要部分顾客作补货点的特点,利用K均值聚类的方法将顾客分类,采用基于分区域和极大极小策略的多目标进化算法思想进行求解,以测试题库The VRP Web中的算例进行测试分析.经由测试结果比较,相较于非接驳补货的传统VRPTW,该模型效益明显.     

基于爬山算子和适应值共享的改进遗传算法

提出了一种基于爬山算子和适应值共享的改进遗传算法,将局部搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.爬山算子以黄金分割法为基础,依次对个体每一维进行优化.数值实验证明,改进后的新算法优于当前一些较好的遗传算法.新算法既有较快的收敛速度,又能以较大概率搜索到优化问题的全局最优解.     

基于辅助种群分类的遗传算法

提出了基于辅助种群分类的遗传算法,该算法克服了辅助种群多样性不好的缺点,利用先验知识将辅助种群分为若干类,分类后辅助种群与主种群杂交更有利于后代的进化,同时也更好保证了种群的多样性.数值试验表明,改进的算法优于当前一些较好的遗传算法,并能跳出局部最优解从而求解出全局最优解.     

分区域多目标进化算法在协同车辆路径问题中的应用

在以原有的车辆配送总费用最小化为目标的基础上,兼顾顾客的满意度目标,建立带有时间窗的多物流中心协同配送的车辆路径多目标优化问题的数学模型.对建立的多目标优化问题,采用分区域多目标进化算法思想,构造了利于产生可行解的编码方式,从而提高算法的运行效率.通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题.     

基于半径参数周期性缓慢变化的双种群遗传算法*

双种群遗传算法引进了主种群和辅助种群,通过控制半径参数的变化来控制辅助种群的变化从而实现种群多样性。但其存在半径参数变化过快导致辅助种群得不到控制的缺陷。针对该缺点,用余弦函数来刻画半径参数的变化,提出了基于半径参数周期性缓慢变化的双种群遗传算法。半径参数的这种变化规律既有利于维持种群多样性,又能增强局部搜索能力。为了估算半径参数的最大取值,给出了把个体与主种群中心的最大距离作为半径参数最大取值的方法。仿真实验表明,新算法优于当前一些较好的遗传算法。     

基于最速方向搜索的混合遗传算法

针对目标函数复杂求导困难或目标函数不可导的优化问题,给出了最速方向搜索方法,它在搜索过程不需要导数信息,克服了一些局部搜索算法需要求出导数的缺点.在此基础上提出了基于最速方向搜索的混合遗传算法,将最速方向搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.数值实验证明,改进后的遗传算法性能优于当前一些较好的优化算法.