基于改进粒子群的K-means聚类算法

针对传统的k-means算法处理离散型数据的不足以及选取初始聚类中心的随机性等缺点,提出了一种基于改进的粒子群优化k-means算法,根据文中提供的优化算法寻找初始聚类中心后,在阀值范围内进行数据样本间的迭代更新,直至聚类中心稳定。经过实验结果验证分析表明,经过改进的粒子群优化k-means算法与传统的k-means算法相比,更具有良好的聚类收敛效果,聚类效果也相对稳定。     

求解带时间窗车辆路径问题的改进粒子群算法

通过分析已有粒子群算法对有时间窗约束的车辆路径问题求解质量不高的原因,提出了一种基于粒子交换原理的整数粒子更新方法。采用构造的双层粒子进化算法分别对8个和20个任务点的有时间窗约束的车辆路径问题求解,数值实验结果表明算法的求解精度和耗时均优于已有算法。     

求解带时间窗车辆路径问题的混合蚁群优化算法

为求解带时间窗车辆路径问题,提出一种混合蚁群优化算法,利用两个隔离的种群同时进化的方式,有效避免了两种算法的缺点,种群Ⅰ应用蚁群算法可以丰富解得多样性,种群Ⅱ则应用粒子群算法来强化进化过程.种群Ⅰ通过局部搜索、复制、重组和选择等操作来保持种群广泛搜索的能力,种群Ⅱ则依靠复制、局部优化、交叉和选择等操作以快速获得高质量解并经常更新得到的解.对100个基准问题进行仿真测试,实验结果表明,与其他算法相比,利用蚁群粒子群混合优化算法能够快速有效地获得近似最优解.     

基于时空聚类的带时间窗车辆路径规划算法

针对带时间窗车辆路径问题,设计了一种同时考虑顾客的时间和空间邻近性的路径改进方法。首先设计了一种顾客间时空距离的表达方式,然后利用遗传算法对顾客点进行时空聚类,并将聚类结果应用于路径调整中,使得顾客尽可能被加入到时空距离近的顾客所在路径中,这样既能有效减小搜索范围,又能更快到达更好的解。以含1000个点的标准问题集作为算例,计算结果表明,与不采用时空聚类的方法相比,该算法能在更短的时间内取得更好的解,显示了在解决大规模车辆路径问题时具有很好的潜力。     

带软时间窗的开放式满载车辆路径问题研究

为满足某些生产制造企业的满载运输需求,针对运输任务对车辆具有独占性的特点,分析得到总运输费用的大小取决于车辆的空车行驶费用,在此基础上,将带软时间窗的开放式满载车辆路径问题转化为带软时间窗的多车场开放式车辆路径问题,在非对称图上建立了相应的数学模型,并设计了近邻粒子群算法对模型进行求解。设计算例对算法进行了验证,实验结果表明：该算法可以快速求得软时间窗的开放式满载车辆路径问题的满意解。     

带时间窗同时送取货选址路径问题及其烟花算法求解

随着电子商务的飞速发展以及互联网的普及，退换货更加便捷，因此客户对商品的需求呈现出时效性、多品种、小批量、退换货等特点。针对有容量的同时送取货选址路径问题（LRPSPD），同时考虑客户多样性需求的特点，建立了带时间窗的同时送取货选址路径问题（LRPSPDTW）的数学模型。使用改进烟花算法（IFWA）对模型进行求解，对烟花爆炸和变异进行相应的邻域操作，并用一些基准LRPSPD算例来评估烟花算法的性能。通过大量的数值实验验证了所提模型和算法的正确性和有效性。实验结果表明，相较于分支切割算法（B&C），IFWA得到的结果与标准解的平均误差缩小了0.33个百分点。所提算法缩短了寻求最优解的时间，为解决选址路径相关问题提供了一种新的解决思路。     

基于仿射传播聚类的大规模选址布局问题求解*

选址布局问题是一个广泛研究的运筹学问题。通过将选址布局问题看做聚类问题,结合仿射传播聚类算法并且将候选地址的信息映射为特征向量,提出了两种求解选址布局问题的方法：基于块划分的选址布局方法和基于道路网络的选址布局方法。使用模拟数据集和真实数据集来评估两种方法,实验结果表明两种方法都能够求解设施资源受限和不受限情况下的选址布局问题,而且可以很好地解决大规模的选址布局问题。     

需求可拆分车辆路径问题的聚类求解算法

针对传统的车辆路径问题通常假设客户的需求不能拆分,即客户的需求由一辆车满足,而实际上通过需求的拆分可使需要的车辆数更少,从而降低配送成本的问题,分析了需求可拆分的车辆路径问题的解的特征,证明了客户需求不宜拆分应满足的条件,设计了符合解的特征的聚类算法,并对其求解.通过实验仿真,将所提出的聚类算法与蚁群算法和禁忌搜索算法进行比较,所得结果表明了所提出的算法可以更有效地求得需求可拆分车辆路径问题的优化解,是解决需求可拆分车辆路径问题的有效方法.     

求解粮库选址问题的量子粒子群优化算法*

首先分析粮食仓库选址的原则和影响因素等,研究建立了粮库选址模型;进而考虑带障碍约束条件,采用量子粒子群优化的空间聚类分析方法,解决了粮库选址问题;最后,以河南省粮库选址为实例进行了模型验证.实验表明,使用量子粒子群优化方法提高了粮库选址的科学性,为科学合理地进行粮库建设与布局提供了决策依据.     

基于并行粒子群算法的带时间窗车辆路径问题

提出求解带时间窗车辆路径问题的多群并行的粒子群算法。为了提高算法的收敛速度,在每个粒子群中嵌入了记忆功能。针对基本粒子群算法在求解有时间窗车辆路径问题时初始解的单一性导致局部收敛的问题,对两个种群采用了两种不同的初始化方法,并在进化过程中,两个种群相互用记忆粒子替换对方种群中的较差粒子。最后将该算法的运行结果与其他算法进行比较,表明该算法的有效性。     

Two meta-heuristic algorithms for two-echelon location-routing problem with vehicle fleet capacity and maximum route length constraints

In the present research, a two-echelon location-routing problem with constraints of vehicle fleet capacity and maximum route length is considered. The problem’s objective is to determine the location and number of two types of capacitated facilities, the size of two different vehicle fleets, and the related routes on each echelon. Two algorithms hybrid genetic algorithm and simulated annealing are then applied to solve the problem. Results of numerical experiments show that the applied hybrid genetic and simulated annealing algorithms are much more effective than the solutions of the solved examples by the software LINGO. Finally, solutions of simulated annealing and hybrid genetic algorithms were compared with each other.     

有滞留时间约束的集束型装备在线调度问题研究

针对半导体制造中有滞留时间约束的集束型装备,研究了临时晶网到达时的在线调度问题,描述了调度问题域.建立了问题的数学模型,并根据模型提出了两层调度方法.外层算法通过粒子群优化过程求解临时晶网的加工顺序;内层算法在给定加工顺序的基础上,采用前向和后向递推方法获得口,行解窄问,并从可行解窄问获得最优完工时间.从理论上证明了算...     

进化式超启发算法求解多车型低碳选址-路径问题

为了降低物流配送成本和减少CO2排放量,提出一种综合考虑多车型和同时取送货的低碳选址-路径问题,并构建三维指数混合整数规划模型.针对所提问题,设计一种进化式超启发式求解算法,即在超启发式算法框架下,采用进化式策略作为高层学习策略,以实时准确地监控底层算子的性能信息并选择合适的底层算子,包括量子选择、蚂蚁策略、蛙跳机制以及自然竞争等.同时,挖掘算子性能信息以构建自适应接收机制,引导全局搜索,加快算法收敛速度.通过对不同规模实例的仿真实验与对比分析,验证了4种进化式超启发式算法在求解物流配送多车型同时取送货低碳选址-路径问题模型上的有效性与鲁棒性.     

Battery swap station location-routing problem with capacitated electric vehicles

In this paper, we present an electric vehicles battery swap stations location routing problem (BSS–EV–LRP), which aims to determine the location strategy of battery swap stations (BSSs) and the routing plan of a fleet of electric vehicles (EVs) simultaneously under battery driving range limitation. The problem is formulated as an integer programming model under the basic and extended scenarios. A four-phase heuristic called SIGALNS and a two-phase Tabu Search-modified Clarke and Wright Savings heuristic (TS-MCWS) are proposed to solve the problem. In the proposed SIGALNS, the BSSs location stage and the vehicle routing stage are alternated iteratively, which considers the information from the routing plan while improving the location strategy. In the first phase, an initial routing plan is generated with a modified sweep algorithm, leading to the BSSs location subproblem, which is then solved by using an iterated greedy heuristic. In the third phase, the vehicle routes resulting from the location subproblem are determined by applying an adaptive large neighborhood search heuristic with several new neighborhood structures. At the end of SIGALNS, the solution is further improved by a split procedure. Compared with the MIP solver of CPLEX and TS-MCWS over three sets of instances, SIGALNS searches the solution space more efficiently, thus producing good solutions without excessive computation on the medium and large instances. Furthermore, we systematically conduct economic and environmental analysis including the comparison between basic and extended scenarios, sensitivity analysis on battery driving range and efficiency analysis about the vehicle emissions reduction when EVs are used in the logistics practice.     

基于模糊需求的应急物资中心选址—路径问题的算法研究

突发事件爆发后,应急决策通常面临信息不对称的情形,由此获得合理的解决方案非常困难。研究需求量不确定的场景下,同时决策应急物资中心选址方案和配送路径的问题。首先引入三角模糊数刻画模糊需求,提出模糊需求下的应急物资中心选址—路径模型;然后定义Q-学习中的状态、动作和奖励,形成超启发式算法的上层策略;最后以一种新架构封装低层算子,提出一种基于Q-学习的超启发式算法。通过数值实验验证了算法的有效性,同时通过案例分析体现了模型和算法在实际应用中的可行性。     

求解两级定位-路径问题的粒子群算法

为求解配送网络中的两级定位-路径问题,提出一种在粒子更新过程中融入路径重连启发式搜索策略的粒子群算法。其中,根据两级定位-路径问题中解的属性,提出以中转站、路径、边为对象的三个路径重连搜索模块;同时基于搜索模块的不同组合,提出四种路径重连策略。应用不同规模算例测试结果表明,该粒子群算法能有效求解两级定位-路径问题,且路径重连策略一的求解效率较高,策略二求解的稳定性较好,策略三求解时各方面均无突出表现,策略四求解时解的质量较高。     

多层级设施选址-路径规划问题建模及算法

基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.     

多约束选址—路径问题的改进混合遗传算法研究

选址—路径问题(LRP)同时解决设施选址和车辆路径问题,使物流系统总成本达到最小,在集成化物流配送网络规划中具有重要意义。针对带仓库容量约束和路径容量约束的选址—路径(CLRP)问题,提出了一种结合模拟退火算法的混合遗传算法进行整体求解。改进混合遗传算法分别对初始种群生成方式、遗传操作和重组策略进行改进,并实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的有效结合。运用一组Barreto Benchmark算例进行数值实验测试其性能,并将求解结果与国外文献中的启发式算法进行比较,验证了改进混合算法的有效性和可行性。     

A heuristic based on multi-exchange techniques for a regional fleet assignment location-routing problem

We deal with a distribution network design problem that involves location, fleet assignment and routing decisions. Specifically, the distribution network under investigation is characterized by one central depot, a set of customers split into regions, and a heterogeneous fleet of vehicles. The goal is to locate one regional depot in each region, to assign some vehicles to each region, and to design the vehicles routes, each starting and ending at the central depot, in such a way that the regional depot is visited once by all vehicles assigned to the corresponding region, the vehicle capacities are not exceeded, the customer demands are satisfied and the overall distribution cost is minimized. The study has been motivated by a real life application related to a company operating in the North of Italy.