多车场多目标开放式物流配送车辆调度问题的研究

为了优化现代物流中的车辆调度问题,文章针对多车场开放式物流配送车辆调度问题,建立了一种灵活的多目标组合优化模型,此模型可以方便地增减优化目标值;设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明,最终得到了多车场多目标开放式物流配送中车辆调度的优化策略;通过真实的测试用例验证了项目设计的优化模型和遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性.     

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

考虑震后道路可靠性的多目标应急调度问题研究

针对重大自然灾害应急物资调度决策问题，提出一种考虑灾后道路可靠性的多目标优化应急调度模型，以最长车辆行驶时间最小、最小车辆行驶路径可靠度最大和系统物资未满足度最小为目标函数，采用第二代非支配排序遗传算法（NSGA-Ⅱ）和加权遗传算法（GA）进行求解，并对求解目标函数结果进行对比分析.以“汶川地震”为仿真算例，结果表明：在多目标应急调度问题上，NSGA-Ⅱ各目标最优解均优于加权GA算法且收敛速度更快，验证了该应急调度模型的有效性.     

车间作业调度问题的仿真研究

研究车间作业调度优化问题,使资源、车辆调试、交通分配等达到优化配置,因此车间作业调度问题是一个多约束条件的目标优化问题,采用多项式求解方法不能获得最优解,导致车间作业调度效率低.为了提高车间作业调度效率,提出了一种蚁群算法的车间作业调度优化算法.首先以最小加工时间作为优化目标,蚂蚁爬行路径为作业调度方案,通过蚁群中个体间互相协作和信息交流获得最优车间作业调度方案.通过车间作业调度测试案例对算法进行验证性实验,实验结果表明,蚁群算法提高了车间作业调度效率,能在最短时间找到最优调度方案,为车间作业调度优化提供了依据.     

改进的蚂蚁算法车辆运行调度算法研究

研究车辆调度优化问题,考虑时间能合理安排运输线路.针对传统的蚁群算法收敛速度慢、易陷于局部最优、影响优化调度线路识别等缺陷,提出了一种改进的蚂蚁算法车辆调度优化方法模型.对城市车辆调度建立优化数学模型,将车辆运行调度归并为制造系统中的FLOWSHOP调度问题,构建一种动态开放的车辆调度系统优化模型,并采用改进的蚂蚁算法对数学模型进行仿真.仿真结果表明,提出的新的算法不仅能有效的求解车辆调度优化模型,可以快速得到近似最优解,而且计算机复杂度较低,收敛速度较快,是一种有效地车辆调度优化手段.     

车辆调度优化模型仿真研究

研究车辆调度优化问题,针对运输车辆的空间排放和时间安排等,要达到运输路径最短,费用最省的要求.为了实现城市车辆优化调度,节约运输成本,同时传统的车辆调度算法存在计算复杂度高,不利于实际应用等问题,提出了一种改进的车辆调度优化算法模型.首先对城市车辆调度建立优化数学模型,建立一种动态开放的车辆调度系统,并采用匈牙利算法对数学模型进行求解.仿真结果表明,提出的新的算法不仅能有效的求解车辆调度优化模型,而且计算机复杂度较低,计算效率较高,收敛速度较快,验证了算法的实用性和有效性.     

一种基于概率信息的物流车辆调度优化模型

在物流车辆调度模型考虑了可能的交通堵塞情况,建立了基于到达概率信息的车辆调度优化模型.问题求解中,将全局搜索能力强的遗传算法与局部搜索算法相结合.实例计算结果表明,使用基于概率的车辆调度能得到质量较高的调度结果.     

基于狮子优化和GSA混合的多目标任务调度算法

针对现有云计算环境中调度算法资源利用率低,调度成本高的问题,提出了一种基于狮子优化和引力搜索算法(gravity search algorithm,GSA)混合的多目标任务调度算法,该算法使用成本、能耗、资源利用作为目标函数,将狮子搜索和引力搜索算法进行有效地组合来执行智能过程调度,改善调度过程中的优化问题,避免陷入局部最优.实验结果表明,相对于其他调度算法,提出的多目标任务调度算法的性能具有明显的优势,解决了传统单目标资源调度算法存在的缺陷,最终优化方案可以获得最低成本、最低能耗和最高利润.     

免疫PSO算法求解多库房带时间窗VRP

为了降低物流系统的总费用,对车辆优化调度模型进行了改进,考虑了库房容量和时间窗两方面的因素,以总的耗费成本为目标,采用免疫粒子群优化（PSO）算法对此多库房车辆调度模型进行了优化求解。仿真结果表明免疫PSO比PSO更有效、更优越。     

基于微粒群优化算法的锌电解分时供电优化调度

建立了锌电解生产过程分时供电优化调度系统的多目标优化数学模型.设计出一种随机多目标微粒群优化(PSO)算法,并应用整数空间的随机多目标PSO算法实现锌电解过程分时供电的优化调度.克服了采用单目标模拟退火算法进行分时供电优化调度时存在的先验知识不足、搜索效率较低等缺点.     

考虑订单发货区域的物流配送调度问题研究

研究了一种考虑订单发货区域的物流配送问题,针对问题建立了两阶段多目标整数规划模型：订单车辆指派模型和车辆配送调度模型。基于对模型及问题特点的分析,构造了一种两阶段优化算法：第一阶段,基于聚类-约束满足优化算法为待发货订单指派最佳车辆;第二阶段,基于单亲遗传算法为车辆指定最佳的物流配送方案。通过数据仿真验证,模型和算法是可行且有效的。     

应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求，考虑了含有时间窗、不确定需求、不确定行驶时间，以及路段含有失效风险的多目标鲁棒车辆路径优化问题，通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型，并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解，为解决不确定环境下优化问题提供了新的思路。算法方面，主要基于SPEA2算法框架求解该多目标模型，针对算法缺陷提出多种改进策略，并通过对比实验证明了改进策略的有效性。     

风力发电与电动汽车充放电协同优化调度策略

大规模电动汽车无序充电以及风力发电在电网中的渗透率不断提高,给电力系统带来安全经济运行问题。在考虑电动汽车电池容量约束、充放电功率约束以及24 h的电动汽车运行行为特性基础上,建立了风力发电及电动汽车负荷平抑、降低电动汽车充放电费用和负荷峰谷差率的多目标协调优化调度模型;采用传统遗传算法和自适应非线性遗传算法对所建模型进行求解。仿真结果验证了模型的合理性以及算法的正确性。     

变邻域遗传算法在车间物流调度中的应用

针对含有自动引导小车(Automated Guided Vehicle,AGV)的离散化车间物流调度问题,以最小化物流任务时间惩罚成本和最小化运载小车的总行驶距离为优化目标,构建离散化车间多目标物流调度优化模型,设计一种基于Pareto寻优的多目标混合变邻域搜索遗传算法(VNSGA-II).以遗传算法为基础,通过使用NSGA-II的Pareto分层和拥挤度计算方法评估种群优劣实现多目标优化,为了提高算法的寻优能力,避免算法陷入局部最优,通过添加保优记忆库对精英个体进行保护,并利用变邻域搜索算法在搜索过程中的局部寻优能力,针对本文模型特点,设计6个随机邻域结构,来达到算法求解最优值的目标.并提出了基于关键AGV小车的插入邻域和基于关键物流任务的交换邻域调整策略以进一步降低成本.最后,以某离散车间物流调度为实例,分别使用VNSGA-II、带精英策略的快速非支配排序遗传算法Ⅱ(Nondominated Sorting Genetic AlgorithmⅡ,NSGA-II)和强Pareto进化算法(Strong Pareto Evolutionary Algorithm 2,SPEA2)对问题进行求解,计算结果表明,VNSGA-II能得到更好的Pareto解集,验证了算法的有效性和可行性.     

基于多态蚁群算法的多目标邮政物流车辆路径问题研究*

针对在现有邮路运输的基础上加载一体化物流项目后的邮政物流车辆调度与路径选择优化问题,建立了基于硬时间窗、车辆混合搭载、往返归集的多目标邮政物流车辆路径问题数学模型,以四川邮政雅芳一体化混合物流2008年5月的数据为例,利用自适应的多态蚁群算法对带时间约束多目标混合邮政物流VRP进行了求解。结果表明多态蚁群算法可以求解多目标邮政物流VRP,能提高收敛速度和寻优性能。     

基于模糊偏好的多目标成像卫星调度方法研究

不确定条件下的成像卫星调度问题是一个多目标优化问题。借鉴连续函数的鲁棒性优化思想,提出了一种基于邻域的鲁棒性指标,考虑多种约束条件,建立了多目标成像卫星调度模型。在考虑目标间偏好的情况下,提出了一种基于模糊偏好的多目标遗传算法。实例研究表明,该模型和算法能够有效地解决不确定条件下的成像卫星调度问题。     

云环境下基于强化学习的多目标任务调度算法

针对云计算环境下的多目标任务调度问题,提出一种新的基于Q学习的多目标优化任务调度算法(Multi-objective Task Scheduling Algorithm based on Q-learning,QM TS).该算法的主要思想是:首先,在任务排序阶段利用Q-learning算法中的自学习过程得到更加合理的任务序列;然后,在虚拟机分配阶段使用线性加权法综合考虑任务最早完成时间和计算节点的计算成本,达到同时优化多目标问题的目的;最后,以产生更小的makespan和总成本为目标函数对任务进行调度,得到任务完成后的实验结果.实验结果表明,QMTS算法在使用Q-learning对任务进行排序后可以得到比HEFT算法更小的makespan;并且根据优化多目标调度策略在任务执行过程中减少了makespan和总成本,是一种有效的多目标优化任务调度算法.     

车辆路径优化问题及求解方法研究综述

车辆路径优化问题一直以来是物流研究领域的一个热点和难点.现实生活的许多问题都可看作是车辆路径问题(VRP),因此国内外学者近年来不断提出多种车辆路径优化问题及求解方法以解决愈加复杂的问题.为进一步理清国内外研究现状,对如半开放式VRP、多级VRP、多目标VRP、绿色VRP等车辆路径优化问题,进行了总结分析,然后对车辆路径求解方法进行了介绍,特别地是对元启发式算法进行了较为详细的综述.最后,面向车辆路径优化问题和求解方法在当前形势下面临的新挑战,展望了一些新研究方向,如多目标优化、多级配送网络、绿色VRP、新型交通工具VRP和算法的通用性.     

智能交通动态调度优化模型与评价方法

为了降低大城市市民出行成本,缓解公交企业运力压力,提出一种智能交通出行OD(Origin Destination,出行地和目的地)的公交调度优化算法,以公交出行OD客流预测和计划排班发车时间间隔为出发点,运用公交出行OD客流推导理论,构建智能交通出行OD的公交调度优化模型。通过获取个人OD数据,利用单条线路公交OD方法,实现全市公交OD矩阵推算。根据全市公交出行OD推算结果,求解公交调度模型,解决智能交通调度多目标规划和公交线网优化问题。通过仿真模拟试验,分析智能公交排班计划评价指标,计算车辆营运效率占比:自动排班仿真数据为79%,实际运营数据为73%;统计车辆高峰时段与全天营运车次占比:自动排班仿真数据为36.75%,实际运营数据为37.37%,满足智能公交计划排班评价指标的要求,实例证明模型和算法具有实用性和可靠性。     

云计算环境中面向DAG任务的多目标调度算法

为了实现任务执行效率与执行代价的同步优化,提出了一种云计算环境中的DAG任务多目标调度优化算法。算法将多目标最优化问题以满足Pareto最优的均衡最优解集合的形式进行建模,以启发式方式对模型进行求解;同时,为了衡量多目标均衡解的质量,设计了基于hypervolume方法的评估机制,从而可以得到相互冲突目标间的均衡调度解。通过配置云环境与三种人工合成工作流和两种现实科学工作流的仿真实验测试,结果表明,比较同类单目标算法和多目标启发式算法,算法不仅求解质量更高,而且解的均衡度更好,更加符合现实云的资源使用特征与工作流调度模式。