随机需求车辆路径问题及其启发式算法

在对随机需求信息条件下的车辆路径问题进行策略分析基础上,提出解决此类问题的改进蚁群算法.分析对比不同策略下用蚁群算法优化的结果.其中给出机会约束下决策者的风险喜好对最终目标的影响.通过模拟实际随机需求的方法评价先验路径的优劣.与其它计算方法在同等条件下的比较证明所设计算法的优越性.同时得出对于不同统计特性的随机需求策略的选择方式.     

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。     

基于MATLAB的混合型蚁群算法求解车辆路径问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出了基于M ATLAB的蚁群算法在车辆路径问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行了局部优化,计算机仿真结果表明,这种混合型蚁群算法对求解车辆路径问题有较好的改进效果。     

基于云模型的模糊自适应蚁群算法研究

针对蚁群算法存在控制参数难以确定和易陷入停滞等不足,采用云模型理论对蚁群算法进行改进,将云模型作为模糊隶属函数,选择部分较优路径进行全局信息素更新,从而提高算法对路径的开发和探索,同时通过对云隶属函数的参数控制,实现算法的自适应调整策略。针对TSP问题进行仿真实验对比,结果也表明基于云模型的蚁群算法要明显优于ACS和MMAS算法。     

融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题

对于求解带时间窗口车辆路径问题,提出一种融合邻域搜索策略的改进蚁群算法,针对时间窗口特性,将等待时间加入到蚁群算法的状态转移规则之中。为提升算法的局部寻优能力,设计多种节点删除操作和插入操作对得到的路径进行邻域搜索。最后利用Solomon标准算例对改进算法进行测试,与目前已知最优解对比,实验结果表明改进后的蚁群算法对带时间窗口的车辆路径问题有较好的适用性。     

战时物流配送车辆路径优化问题

采用一种新的信息素更新方式对传统蚁群算法进行改进,有效解决了带硬时间窗的车辆路径优化问题;建立考虑战场环境中敌方火力打击影响的物流配送车辆路径优化模型,采用所提算法得出优化路线;进一步考虑不同作战单元对物资需求的可能变化,将排队策略用于算法求解过程,得出适应需求变化的后续配送路线,并通过仿真实验结果验证了相应配送路线的合理性.     

基于改进蚁群算法的模糊控制器优化设计

研究控制器优化问题,由于模糊控制系统参数无法同时优化,使得系统选择参数困难,使系统控制效果存在一定的缺陷,安全性和可靠性降低。为解决上述问题,提出了一种多种群进化蚁群算法对模糊控制器优化设计。采用懒蚂蚁效应的改进蚁群算法进行优化,在传统蚁群算法的基础上,采用多个种群并行,对算法的初始化、路径构建以及信息素更新改进,并引入到模糊控制器的隶属函数、模糊规则的优化搜索中,搜索出适应于不同控制阶段的模糊控制器参数及控制规则,并进行仿真。仿真结果证明了改进算法对模糊控制器的参数具有良好的搜索速度和精度,使系统有很强的鲁棒性。     

改进蚁群算法求解有时间窗的物流配送路径问题

物流配送车辆路径优化问题已被证明是一个NP难题,很难得到最优解。应用蚁群算法对带时间窗的物流车辆路径优化问题进行了算法设计,建立了车辆路径优化问题的蚁群算法数学模型及解决方案。通过对蚁群算法的分析,提出了改进的蚁群算法,并结合实例对该算法进行测试和分析,检验其有效性,结果表明了改进蚁群算法的可行性,符合实际的需要。     

混合最大最小蚁群算法在VRPTW中的应用

为解决有时间窗车辆路径问题,采用两个最大最小蚁群系统,一个蚁群最小化车辆数量,另一个蚁群最小化旅行距离。通过分析有时间窗车辆路径问题和旅行商问题的区别,改进了最大最小蚁群算法中状态转移策略,并增加与可用车辆相同数量的虚拟仓库,使这两个蚁群使用独立的信息素但通过分享全局最优解来协作,算法还结合了2-opt局部搜索,从而减少了算法的计算时间并避免过早收敛。仿真实验结果表明,该算法性能优良,能有效地求解有时间窗车辆路径问题。     

混合最大最小蚁群算法在VRPTW中的应用

为解决有时间窗车辆路径问题,采用两个最大最小蚁群系统,一个蚁群最小化车辆数量,另一个蚁群最小化旅行距离。通过分析有时间窗车辆路径问题和旅行商问题的区别,改进了最大最小蚁群算法中状态转移策略,并增加与可用车辆相同数量的虚拟仓库,使这两个蚁群使用独立的信息素但通过分享全局最优解来协作,算法还结合了2-opt局部搜索,从而减少了算法的计算时间并避免过早收敛。仿真实验结果表明,该算法性能优良,能有效地求解有时间窗车辆路径问题。     

模糊需求条件下车辆路径问题的模糊模拟

研究具有模糊需求的车辆路径问题,针对具有不确定需求的单车辆单车场的车辆路径问题,建立了基于模糊可信性理论的模糊机会约束规划模型,并提出了求解该问题的一种基于模糊模拟的混合遗传算法。同时,在最小化车辆总行驶距离的目标下,通过实验研究决策者主观偏好对决策目标的影响,并给出最佳主观偏好值。     

A memetic algorithm for the multi-compartment vehicle routing problem with stochastic demands

The multi-compartment vehicle routing problem (MC-VRP) consists of designing transportation routes to satisfy the demands of a set of customers for several products that, because of incompatibility constraints, must be loaded in independent vehicle compartments. Despite its wide practical applicability the MC-VRP has not received much attention in the literature, and the few existing methods assume perfect knowledge of the customer demands, regardless of their stochastic nature. This paper extends the MC-VRP by introducing uncertainty on what it is known as the MC-VRP with stochastic demands (MC-VRPSD). The MC-VRPSD is modeled as a stochastic program with recourse and solved by means of a memetic algorithm. The proposed memetic algorithm couples genetic operators and local search procedures proven to be effective on deterministic routing problems with a novel individual evaluation and reparation strategy that accounts for the stochastic nature of the problem. The algorithm was tested on instances of up to 484 customers, and its results were compared to those obtained by a savings-based heuristic and a memetic algorithm (MA/SCS) for the MC-VRP that uses a spare capacity strategy to handle demand fluctuations. In addition to effectively solve the MC-VRPSD, the proposed MA/SCS also improved 14 best known solutions in a 40-problem testbed for the MC-VRP.     

带模糊需求的开放式选址路径问题的混合离散蘑菇繁殖算法

针对带限制的开放性选址路径问题的研究,考虑模糊需求的条件下,以仓库选址成本、车辆行驶距离成本、机会损失成本、额外距离等目标之和最小化的要求建立数学模型。通过对蘑菇繁殖算法的改进,使用部分映射交叉和路径重连算法代替原算法中父代更新方式;在邻域搜索部分使用概率法进行邻域选择;使用随机模拟程序对设计好的路径进行模拟,计算因服务失败而产生的额外行驶距离与机会损失成本。在保留算法原有特性的情况下使其成功应用于组合优化问题;通过一系列算例测试与对比,验证了模型的正确性与有效性以及混合离散蘑菇繁殖算法的计算效率和优化能力。     

认知无线网适用于视频的分簇路由算法

随着可用频谱的日益稀缺和无线业务量剧增,认知无线网相关的研究逐渐成为热点;视频流具有延迟敏感、高带宽需求等特征,动态频谱分配环境下的路由设计和服务质量具有挑战性。针对该问题,为视频业务提出一种基于分簇的路由方法。考虑到频谱的异构性和动态分配特征,对网络节点的分簇规模进行分析和优化,获取能够降低传输失真的分簇方案,并提出一个基于重要度的簇头选举规则;在分簇的基础上设计了与频谱选择相结合的多媒体路由算法。仿真结果表明,该文提出的算法能够为认知环境下的视频传输提供可靠的峰值信噪比、视觉效果和服务质量保障。     

一种基于三角模糊数的VANETs机会路由算法*

分析了现有车用自组织网络（VANETs）的路由算法,提出一种新的基于三角模糊数的机会路由算法。新算法将转发结点距离目标结点的距离、到达目标结点的方向、行驶速度向量、重传次数、车流状况等因素作为目标函数进行分析计算,采用熵权系数法确定各因素权重。路由过程中,贪婪选择向量值最大的节点转发数据包;遇到网络不连续时,将采用“存储－携带－转发”的机会路由策略。仿真结果表明,该算法能够较好的适用于VANETs各种场景。     

多车种随机需求车辆路由问题的遗传算法

该文给出了多种类型车辆随机节点需求车辆路由问题(VRP)的遗传算法。将各个节点的需求作为一个随机数,同一条路径上车辆允许路由失败(routingfailure)的次数作为一个可控制的参数,对于节点需求服从给定的已知分布的VRP问题,给出了一些更简单实用的递推公式,并在此基础上通过巧妙地设计交配规则,得到遗传算法,并经实例运算对比,效果很好。     

Multi-start simulated annealing heuristic for the location routing problem with simultaneous pickup and delivery

The location routing problem with simultaneous pickup and delivery (LRPSPD) is a new variant of the location routing problem (LRP). The objective of LRPSPD is to minimize the total cost of a distribution system including vehicle traveling cost, depot opening cost, and vehicle fixed cost by locating the depots and determining the vehicle routes to simultaneously satisfy the pickup and the delivery demands of each customer. LRPSPD is NP-hard since its special case, LRP, is NP-hard. Thus, this study proposes a multi-start simulated annealing (MSA) algorithm for solving LRPSPD which incorporates multi-start hill climbing strategy into simulated annealing framework. The MSA algorithm is tested on 360 benchmark instances to verify its performance. Results indicate that the multi-start strategy can significantly enhance the performance of traditional single-start simulated annealing algorithm. Our MSA algorithm is very effective in solving LRPSPD compared to existing solution approaches. It obtained 206 best solutions out of the 360 benchmark instances, including 126 new best solutions.     

多元个性化需求驱动的最后一公里配送选址-路径研究

为提升最后一公里配送服务水平,基于现实场景中存在的自提、带时间窗的送货上门和柔性服务需求,提出多元个性化需求驱动的选址-路径问题.为了有效求解该问题,设计融合初始解构造算法、差异化邻域使用策略和自适应抖动机制的变邻域搜索算法.不同规模算例实验结果表明,改进的变邻域搜索算法具有较好的求解效率和鲁棒性.通过关键参数的敏感性分析发现,个性化需求比例与自提成本对运营成本影响显著,综合考虑这些因素开展配送系统设计具有较强的现实意义.     

带时间窗和服务顺序约束的多需求车辆路径问题

研究顾客具有多种需求,分别需要由不同类型车辆提供服务,且同一顾客多种需求的服务时间具有固定先后顺序的车辆路径问题.在考虑各个顾客需求的服务时间窗,同一顾客不同需求的服务顺序、服务时间间隔,以及各种车型的车容量及最大行驶时间等约束的前提下,以满足顾客多种需求的车辆运行成本和等待成本之和极小化为目标,建立混合整数规划模型.进一步设计求解模型的联合优化遗传算法,并利用车辆路径问题的标准测试集构造具有两种需求的测试算例,分别利用所提出的联合优化遗传算法与文献中的两阶段遗传算法进行模拟计算与分析,验证所提出算法的有效性.将经典的单一需求车辆路径问题推广到多种需求的情形,建立带约束的多需求车辆路径问题的数学模型并设计求解模型的有效算法,为解决实际问题提供了决策依据.