带软时间窗车辆路径问题的求解算法研究

针对带软时间窗车辆路径问题难以使用精确算法求解的问题,设计了一种基于爬山遗传混合的智能启发式算法来对带软时间窗车辆路径问题进行求解,并构建该混合算法相应的算法程序与爬山、禁忌搜索、模拟退火、遗传4种基本智能启发式算法进行标准数据对比测试。测试结果表明,该混合算法用于求解带软时间窗车辆路径问题具有计算效率高、计算结果稳定的特点。     

甩挂运输车辆调度模型及节约算法设计

采用整数规划方法建立了带时间约束的甩挂运输车辆调度模型。由于该问题的复杂性,在实际问题中若采用精确算法往往不能实现求解,因此提出了增加新策略的调整节约算法。仿真结果和实际案例运算表明,该算法是很有效的,比原来的传统运输方式更优,可以满足较大规模的甩挂运输车辆调度问题。     

物流配送车辆路径问题(VRP)算法综述

物流配送车辆路径问题(VRP)属于NP-hard问题,对这类问题如何求解,学术界提出了多种算法,这些算法可归结为2大类:精确算法和启发式算法.通过对这2类算法中最具代表性的几种算法的分析、比较和总结,指出了各种算法的优缺点、适用范围和场合、存在的问题以及改进的方案,为物流配送车辆路径问题求解过程中算法的选择提供了依据和参考.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型.通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解.结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化.     

军事配送式后勤车辆路径问题研究

为提高军事后勤车辆的配送效率,实现快速响应,文中在分析军事后勤车辆路径问题特点的基础上,建立了单时间窗多目标动态军事后勤车辆路径模型,设计了遗传-蚁群混合算法对模型进行两阶段求解.仿真实验结果表明,该算法解决了遗传算法求解效率低及蚁群算法收敛过早的问题,可有效解决军事后勤车辆动态路径优化问题.     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度。实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解。     

基于改进免疫算法的带模糊需求车辆调度问题

通过引用一种新的编码方法、交叉和变异概率的自适应机制,构造了一个改进的免疫算法,并对算法的交叉操作加以改进,成功地将这种算法应用于带模糊需求的物流配送车辆调度的求解过程中,将求解结果与遗传算法比较,结果表明,该算法可以较好地求解VSPFD问题.     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

移动IP中基于遗传算法的优化路由算法

提出了移动IP中带网络负载平衡的路由问题,通过建立网络模型,采用基于矩阵编码的改进遗传算法解决问题.遗传算法采用以矩阵编码为基础的交叉算子和变异算子,并使用排序选择算法作为选择算子.给出了改进算法的复杂度,从理论上证明了该算法的收敛性.仿真结果表明该算法具有很好的收敛性,并给出了在不同种群数(20～50)和交叉概率(0～75%)下最优解在一定值附近.采用此路由选择策略能够使移动IP网络中的网络带宽得到合理分配,优化了网络的性能.     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

基于离散多元宇宙算法求解车辆路径问题

针对现实生活中车辆配送的实际情况以及客户对服务时间的具体要求,该文提出了一种离散多元宇宙算法来求解在模糊时间窗约束下的多配送中心车辆路径问题(MDVRPFTW)。以总成本最低、顾客满意度最大为多目标函数,针对MDVRPFTW构建出相应的数学模型。该算法在传统多元宇宙算法基础上,重新定义了在离散车辆路径问题下的更新策略。实验结果表明,该算法能更好地解决在模糊时间窗约束下的多配送中心车辆路径问题,优于其他几种对比算法,具有较强的寻优能力和应用价值。     

有时间窗约束的多车场车辆路径问题的改进遗传算法

在给出有时间窗约束的多车场车辆路径问题（MDVRPTW）的数学模型基础上，引入一种新的编码方式，并对RC交叉算子进行修正，构造出一种改进的遗传算法，实验证明能够有效地解决MDVRPTW的优化问题。     

无向Petri网的多AGV最优路径方法研究

采用无向Petri网对自动导引车(AGV)系统路径布局进行建模,与时间窗(Time-window)结合建立基于时间的可达状态图．将调度的方法用于双向通行的多AGV系统的路径优化,并将多AGV同步寻找优化路径转化为对单个AGV分别寻找优化路径,降低了系统的复杂性．利用Best-first搜索方法,以下一步路径的状况作为确定目前状态的依据,提出了时间最短的路径优化算法．该方法可以在保证系统无死锁和冲突的基础上,使得AGV得到时间最短的优化路径．实例计算表明优化效果明显．该方法可用于较大规模的多AGV路径优化问题．     

基于遗传算法的无线传感器网络QoS路由优化

为了研究无线传感器网络满足QoS要求的路由问题,利用改进的遗传算法,在网络中建立路由模型,实现了无线传感器网络QoS路由选择过程.通过实例验证了该算法能够解决满足带宽-时延要求的路由选择最优解问题,且具有很好的收敛性.     

Rigid-Flexible Coupling Dynamic Analysis of Sub-Launched Vehicle During the Vertical Tube-Exit Stage

During the launching stage,hydrodynamic pressure and adapters’ reaction loads can influence the vehicle’s rigid motion as well as cause its structural vibration,which is a typical rigid-flexible coupling dynamic problem. This paper presents a 2-D rigid-flexible coupling model to calculate the vehicle’s dynamic responses in that period.The vehicle was equivalent to a flexure beam with axial deformation. Hybrid coordinate and modal superposition methods were used to describe its large rigid displacement and small deformation. By the second Lagrange equation,the vehicle centroid’s displacements,rotational angle and modal coordinates were chosen as generalized coordinates and then the vehicle ’s rigid-flexible coupling dynamic equations were obtained. By numerical simulation,the results of vehicle’s motion parameters and transverse internal loads were acquired.The calculation results showed that differences of the vehicle’s motion parameters between the rigid-flexible coupling model and the rigid body assumption are noticeable and the peak magnitude of the vehicle’s transverse internal loads in the rigid-flexible coupling model is higher remarkably than that in the rigid body assumption.     

基于V型框架的多层无网格布线算法

为了提高大规模布线的布通率，加快布线速度，提出了一个基于“V”字型框架的总体布线与详细
布线交替进行的多层无网格布线算法.算法分粗化和细化两个阶段：粗化阶段，在每一层次对局部线网进
行总体和详细布线，先期得到布线结果，从而逐层次降低布线规模，同时也增加了总体和详细布线间的
交互性和布线资源估计的准确性；细化阶段,对布线解进行优化，并对粗化阶段布线失败的线网进行重布
线.总体布线采用速度很快的模式布线方法，并针对无网格布线的特点，引入了一种扫描布线障碍的布线
资源估计方法，无网格详细布线中则引入了通孔优化策略.实验证明，该算法在布通率、运行时间等方面
都得到了提高.     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo10．0验证了模型的正确性。由于该模型属于NP—hard问题,设计了两阶段禁忌搜索算法：第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。