带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题.通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能.通过计算若干benchmark问题,验证了模型的有效性.     

带约束二进制矩阵编码染色体及遗传算子设计

提出了一类带约束的二进制矩阵型染色体的编码方法.相对于传统向量型染色体编码方法而言,该方法可以通过在矩阵中设置"禁止位"将复杂优化问题的若干约束条件在编码中体现出来.此类染色体的交叉和变异操作不能采用传统方法,否则子代染色体可能成为问题的非法解.设计了一种针对此类型染色体的巡回变换操作,基于该操作可以实现用于带约束二进制矩阵编码染色体的交叉和变异算子.仿真实例表明,此类染色体及遗传算子的设计对于遗传算法用于复杂优化问题的求解,具有一定意义.     

带时间窗的同时取送货车辆路径问题求解算法

为了整合物流配送过程的退货与送货服务,依据实际情况建立带时间窗的同时取送货车辆路径规划模型,设计一种基于K-means聚类处理的Q-Leaning自启发式蚁群算法解决此类问题。根据配送服务的特性,在基本的K-means算法上作相应的改进,同时提高蚁群算法的局部搜索能力,完成两算法的合理衔接。选用相关文献数据和标准算例进行实验,验证所提算法具有较好的性能,可以解决所描述的此类问题。     

动态蚁群算法在带时间窗车辆路径问题中的应用

蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后，已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题，设计了一种动态蚁群算法，从数值计算上探索了这种新型蚁群算法的优化能力，获得了满意的效果。     

带软时间窗的同时取送货车辆路径问题研究

考虑软时间窗下的车辆路径问题,客户点常伴有同时取送货的双重需求。针对此类问题,通过对软时间窗、车辆在途前后时间关系及二者融合问题进行刻画,同时将车辆行驶距离、车辆使用数、违反软时间窗总时间、客户满意度等纳入综合考量,构建相应混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型。设计相应多目标优化求解算法,运用理想点法对目标函数进行转化,将多目标优化问题转化为单目标优化问题。结合相应算例集,运用LINGO 17.0全局求解程序求得每组算例的全局最优解。结果表明,针对带软时间窗的同时取送货车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery and soft time windows, VRPSPDSTW),所建模型及算法是有效且可行的。     

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法（NSGA-Ⅱ）的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。     

具有时间窗的开放式车辆路径的改进微粒群算法

分析了车场开放的带时间窗的车辆路径问题,在完成配送服务的车辆数目不确定的条件下,建立了该问题的数学模型,同时运用改进的微粒群算法求解该问题,算法采用一种基于客户的序数编码方法构造初始种群,对微粒群算法的进化方程进行了改进,使改进微粒群算法的搜索过程具有自适应性。最后根据第三方物流配送的实际,基于问题的不同目标,运用数值检验了模型和算法的有效性。     

面向随机环境的带软时间窗多式联运路径优化

针对多式联运运输距离长、中转环节多,易受机械故障、交通堵塞、天气状况等随机因素影响的特点,建立了更加符合实际的带软时间窗约束的多式联运路径优化数学规划模型.考虑到模型求解的复杂度,设计了一种遗传算法,并根据模型最优解的特点减少了搜索空间.最后通过算例对方法进行了验证.     

具有时间窗约束累积性车辆路径问题的禁忌搜索优化算法

基于对中国实际物流运输中成本计算方法的研究,考虑到我国高速公路系统计价方式的特殊性,提出了具有时间窗约束的累积性车辆路径问题。以降低实际车辆运输成本为目标,设计了新型的禁忌搜索算法对问题进行有效求解;算法中嵌入多种邻域搜索方法,允许同时在可行和不可行解空间内进行邻域搜索,同时采用Nagata提出的时间窗违反量计算方法[1-2]对解的时间窗约束违反进行评估。针对提出的新型问题的数值试验证明了所采用的时间窗违反量计算方法的时间节约性和有效性;同时由于该问题可以覆盖传统的累积性车辆路径问题,对后者的数值实验以及与其他优化算法的对比验证了所提出算法的优良求解效果。     

带软时间窗的电动车辆路径优化问题

纯电动汽车作为一种新型的交通运输工具,其以节能、低碳以及绿色的显著优势已经被广泛地运用到各种物流场景中,但是其受到续航里程和充/换设施不健全等因素的影响,使得与传统汽车相比具有更高的使用成本。为了降低电动汽车在物流配送过程中的使用成本,研究了带软时间窗的电动车辆路径优化问题,建立了以最小化路径成本、时间窗惩罚成本以及车辆使用成本为目标函数的数学模型,并设计了节约里程加改进的禁忌搜索算法对该模型进行求解。最后,结合算例对提出的混合启发式算法进行了检验与分析。     

混合智能算法在CVRPTW中的应用

考虑到遗传算法本身存在易"早熟收敛"的缺陷,提出将模拟退火算法中的Metropolis接受准则引入到遗传算法的群体更新策略中,并将其应用于物流管理中的带容量约束和时间窗的车辆路径问题(CVRPTW).针对Solomon提出的几个标准问题,从数值计算上探索了遗传算法和模拟退火算法融合后的优化能力,获得了满意的效果.     

考虑油耗的车辆调度问题模型与算法

针对目前运输行业中能源消耗已经成为影响社会环境和运行成本的重要因素这一实际,在分析汽车行驶油耗规律和定量描述的基础上,引入考虑能源消耗的车辆调度问题,考虑了车辆运行能耗目标以及客户的需求时间窗等约束,建立问题的精确数学模型。由于问题具有NP hard性质,为了求解实际大规模此类问题而设计了一种新型禁忌搜索算法。该算法引入大规模邻域搜索思想,并提出基于虚拟车辆的新型搜索邻域。通过算例试验验证了算法的有效性。     

改进遗传算法解决柔性作业车间调度问题

柔性作业车间调度问题是经典作业车间调度问题的扩展,它允许工序在多台机器中的任意一台上加工.针对柔性作业车间调度问题的特点,提出一种扩展的基于工序的编码及其主动调度的解码机制,并设计一种初始解产生机制和两种有效的交叉和变异操作.为了克服传统遗传算法早熟和收敛慢的缺点,设计了精英解保留策略和子代产生模式结合的改进遗传算法应用于该调度问题.最后运用提出的算法求解基准测试问题验证算法的有效性.     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

改进遗传算法求解多时间约束的柔性作业车间调度问题

将加工时间、调整时间和移动时间分别作为独立时间因素考虑到柔性作业车间调度模型中,建立以最大完工时间最小、总调整时间最小、总移动时间最小为目标的考虑多时间约束的柔性作业车间调度模型,并提出改进的遗传算法求解该模型。通过测试标准数据集,并对比其他文献算法,验证了改进的遗传算法的可行性和有效性。