开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该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。     

有时间窗的车辆路径问题的近似算法研究

为了分析不确定性因素对敏捷供需链系统的影响,文章从敏捷供需链系统重构的可能性条件和快速响应特征出发,根据敏捷供需链的运行目标,建立了基于风险因子的敏捷供需链系统风险分析模型,将敏捷供需链的不确定性因素分为系统层、协作层和实体层进行分析;以系统各层评价指标变化为风险分析的最终结果,给出一种针对敏捷供需链系统的风险进行定性与定量相结合的方法和分析流程。最后对该风险量化建模和定量分析方法进行举例验证,风险分析结果能够有助于为敏捷供需链系统的决策层提供决策依据,证明了该风险量化建模和定量分析方法适用于敏捷供需链系统的风险管理。     

车辆路径问题的混沌神经网络解法

利用混沌神经网络在解组合优化问题时具有的随机性和确定性并存的优点,对一类随机需求服从泊松分布的车辆选径问题进行了求解,提出了一种混沌神经网络求解算法,并与平均场退火算法和模拟退火算法进行了比较。结果表明,该算法具有很强的避免陷入局部极小点的能力和较强的全局搜索能力,较大地提高了优化的时间性能和求解质量,是求解车辆选径问题的有效方法。     

具有固定车辆数的多车型低碳路径问题及算法

为研究基于能耗和碳排放的具有固定车辆数的多车型低碳路径问题,提出了考虑车辆运量和速度的能耗和碳排放量计算方法,建立了非满载运输方式下具有固定车辆数的多车型低碳路径优化模型.基于问题的性质,设计了基于划分的多起点禁忌搜索算法对问题进行求解,该算法引入一种新颖的路径编码与解码算法——具有固定车辆数的多车型路径划分算法,采用了多起点策略增强算法的多样化搜索能力.通过基准测试实例验证了算法的有效性和可行性,实验分析表明,采用具有固定车辆数的多车型低碳路径安排比传统的车辆路径安排更加经济和环保.     

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.     

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。     

模糊需求下多中心开放式车辆路径优化

针对模糊需求下多中心及开放式三重约束的车辆路径问题,运用三角模糊数表征模糊需求,根据可信性理论设置决策保守程度值刻画决策者的风险偏好,对多中心约束采用"先路径后分组"的策略,在此基础上建立了相应的数学模型;设计了两阶段禁忌搜索算法进行求解,算法第1阶段求解包含全部客户的旅行商问题,以此作为算法第2阶段的初始解,并采用合适的编码方式来保证算法两个阶段解兼容。通过算例实验表明,所使用的三角模糊数能够有效地对模糊需求进行定量刻画,随机模拟算法则能在计算机中对模糊需求进行模拟。所设计的两阶段禁忌搜索算法的第1阶段能够显著提升算法整体的求解质量。决策者的决策保守程度对配送总成本影响很大,过于保守或过于冒险均不能获得较好的路径安排方案,决策保守程度值为0.6时的模型求解效果最好,所提算法能够在可接受时间内对该类问题进行有效求解。     

适应性禁忌搜索算法求解带回程的时变速度车辆路径问题

为求解带回程的时变速度车辆路径问题,建立了问题的数学模型并提出适应性禁忌搜索算法求解。适应性禁忌搜索算法为两阶段的启发式方法,改进固定速度下的启发式方法用于生成时变速度下的初始解,然后运用适应性禁忌搜索算法进一步优化,包括邻域生成规则定义,采用Hash表存储搜索过程中的解,检测解的重复状态,定义逃离局部搜索区域规则。对改进的标准问题进行测试,同时与最近邻域搜索算法的结果作比较,结果表明算法是有效的。与固定速度情形相比较,时变速度模型得到的调度方案更加合理。     

基于核心路径禁忌算法的开放式车辆路径问题研究

描述了开放式车辆路径问题,提出了核心路径的概念和原理,并设计了解决有能力约束和距离约束的开放式车辆路径问题的禁忌算法.该算法基于核心路径原理,应用改进的广义插入法产生初始解和进行邻域操作,设计了3种邻域,利用能力约束控制单条路径配送点数,采用惩罚函数处理距离约束.应用该算法求解了多个开放式车辆路径问题算例,并与参考文献中的算例进行了比较.经分析表明,该算法可以更有效地求得开放式车辆路径问题的优化解,是解决有能力约束和距离约束车辆路径问题的有效方法.     

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP—Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。     

具有同时集送货需求的车辆路径问题的自适应混合遗传算法

为满足配送货物和收集货物的需求,给出了具有同时集送货需求的车辆路径问题的混合整数规划模型,设计了求解该模型的自适应混合遗传算法。该算法以最优划分方法计算适应值,邻域搜索法作为变异算子,设计了新颖的交叉算子和群体更新策略,定义了群体多样性结构和变异概率的变化规律。通过仿真实验,并与已有优化算法比较,表明该算法是求解具有同时集送货需求的车辆路径问题和一般车辆路径问题的一个有效方法。     

带软时间窗的联盟运输调度问题研究

为解决允许使用不同类型车辆和多层次交通网络的带软时间窗的联盟运输调度问题，在建立数学模型的基础上，利用改进的蚁群算法求解。首先，为了克服蚁群算法最优解不稳定和易陷入局部最优等缺点，按经验将选择策略分为3个阶段，每个阶段选用相应的转移概率，并根据信息素浓度与挥发速度的关系自适应调整信息素挥发因子；其次，为了解决蚁群算法不易发现可行解的问题，从构造3类分支回路和处理遗漏客户点人手，构造了联盟运输调度问题的可行解。仿真计算表明，该算法简明有效。     

求解物流配送路径优化问题的一种改进蚁群算法

物流配送路径优化是现代物流配送服务的关键环节之一,由于需求的小批量和动态变化等特点,需要设计一个快速有效的求解算法。为此,构建了物流配送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题,引进了选择算子、插点操作和动态改变算法参数等改进措施,开发和实现了一个试验软件包。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流配送路径优化问题的有效算法。