分支定价方法求解带二维装箱约束的车辆路径问题EI北大核心CSCD

面向家具、电器等货物的物流配送场景,研究带二维装箱约束的车辆路径问题(2L–CVRP),构建了2L–CVRP的混合整数线性规划模型.为求解大规模2L–CVRP,构建了该问题集合划分模型,提出基于分支定价的方法.针对分支节点的松弛模型,基于列生成策略将其分解为线性规划主问题、带资源和二维装箱约束的最短路径子问题,并提出基于ng-route松弛策略的标签算法和基于禁忌搜索的装箱算法有效求解复杂子问题.仿真结果表明,提出的方法可高效求解大规模2L–CVRP,其中ng-route松弛策略能有效提升算法求解效率,研究成果为装箱约束下大规模车辆路径问题的高效求解提供了有效途径.     

用于求解混合车辆路径问题的混合进化算法

文中研究了具有NP难度的混合车辆路径问题(Mixed Capacitated General Routing Problem,MCGRP),其是在基本车辆路径问题(Vehicle Routing Problem,VRP)的基础上通过添加限载容量约束及弧上的用户需求而衍生的。给定一列车辆数不限的车队,使车辆从站点出发向用户提供服务,服务完用户需求后仍返回站点;规定每辆车的总载重不能超过其载重量,且每个需求只能被一辆车服务且仅服务一次。MCGRP旨在求解每辆车的服务路线,使得在满足以上约束条件的情况下所有车辆的旅行消耗之和最小。混合车辆路径问题具有较高的理论价值和实际应用价值,针对该问题提出了一种高效的混合进化算法。该算法采用基于5种邻域算符的变邻域禁忌搜索来提高解的质量,并通过一种基于路径的交叉算符来继承解的优异性,从而有效地加速算法的收敛。在一组共计23个经典算例上的实验结果表明,该混合进化算法在求解混合车辆路径问题时是非常高效的。     

带时间窗的同时取送货车辆路径问题建模及模因求解算法

为解决逆向物流背景下的带时间窗的同时取送货车辆路径问题（VRPSPDTW）,根据实际情况建立了相应的车辆路径问题模型,并采用模因算法进行求解。在模型的求解过程中使用引导弹射搜索（GES）生成初始种群,在种群进化的过程中采用边界组合交叉（EAX）产生子代,并采用多种邻域结构对子代进行修复、教育,以提高解的质量和算法的搜索效率。通过在Wang和Chen测试数据集上与遗传算法（GA）、并行模拟退火（p-SA）算法、离散布谷鸟（DCS）算法进行比较,实验结果显示：在小规模算例进行求解时,所提算法全部取得了当前最优解;对标准规模算例进行求解时,所提算法使70%的算例更新或获取了当前最优解,获得的最优求解算例结果与当前最优解相比有超过5%的提升,充分验证了所提算法求解VRPSPDTW的良好性能。     

求解三维装箱问题的混合模拟退火算法

提出了一个高效求解三维装箱问题(Three Dimensional Container Loading Problem 3D-CLP)的混合模拟退火算法.三维装箱问题要求装载给定箱子集合的一个子集到容器中,使得被装载的箱子总体积最大.文中介绍的混合模拟退火算法基于三个重要算法:(1)复合块生成算法,与传统算法不同的是文中提出的复合块不只包含单一种类的箱子,而是可以在一定的限制条件下包含任意种类的箱子.(2)基础启发式算法,该算法基于块装载,可以按照指定装载序列生成放置方案.(3)模拟退火算法,以复合块生成和基础启发式算法为基础,将装载序列作为可行放置方案的编码,在编码空间中采用模拟退火算法进行搜索以寻找问题的近似最优解.文中采用1500个弱异构和强异构的装箱问题数据对算法进行测试.实验结果表明,混合模拟退火算法的填充率超过了目前已知的优秀算法.     

二维离线非旋转装箱问题的一个混合算法

针对二维离线非旋转装箱问题,在凹角和适应值的思想的基础上,提出了一个改进型的Best-Fit启发式算法,并结合基于自然数编码的遗传算法构建了混合算法。同时在遗传迭代过程中,引入二维装箱问题的下界思想作为迭代的终止条件之一,减少了遗传算法无效迭代次数,另外根据问题自身特点,有效地降低了染色体长度,提高了整体的计算速度。在36个标准测试案例的测试基础上与一些经典的算法进行了比较,实验结果表明该算法在工业生产可接受的时间内与其他经典的算法相比能够获得更为满意的结果。     

带有一刀切约束的二维非规则装箱算法

针对切割下料领域的二维非规则一刀切装箱问题,首先给出了最小移动距离的定义,然后给出了一种基于最大移动距离的启发式算法。该算法通过计算一个凸多边形滑动至另一个凸多边形内部所允许的最大移动距离,对待排件的摆放位置进行一次性定位,避免使用传统的NFP(Not-Fit-Polygon)预判交方法,极大地缩短了排样的整体时间,最后使用模拟退火算法对下料流程进行了优化,改善了排样结果。     

基于混合蚂蚁算法的二维装箱问题求解

二维装箱问题是一个NP-Hard组合优化问题.根据蚂蚁优化算法和二维装箱问题的特点,本文提出了改进的BL算法与蚂蚁算法相结合的混合算法来解决二维装箱问题,实验结果表明,该算法是行之有效的,并具有一定的通用性.     

解决约束三维装箱问题的混合粒子群算法

针对约束条件下三维装箱问题复杂性,为提高装箱利用率,本文提出了混合粒子群算法,该算法采用BF启发式算法配合改进的自适应权重粒子群算法实现。通过仿真试验,结果表明该混合粒子群算法对解决部分约束条件下装箱问题较之传统研究遗传算法利用率和准确率更高,具有不同程度的可行性。     

求解二维装箱问题的强化学习启发式算法

二维带形装箱问题是一个经典的NP-hard的组合优化问题,该问题在实际的生活和工业生产中有着广泛的应用.研究该问题,对企业节约成本、节约资源以及提高生产效率有着重要的意义.提出了一个强化学习求解算法.新颖地使用强化学习为启发式算法提供一个初始的装箱序列,有效地改善启发式冷启动的问题.该强化学习模型能进行自我驱动学习,仅使用启发式计算的解决方案的目标值作为奖励信号来优化网络,使网络能学习到更好的装箱序列.使用简化版的指针网络来解码输出装箱序列,该模型由嵌入层、解码器和注意力机制组成.使用Actor-Critic算法对模型进行训练,提高了模型的效率.在714个标准问题实例和随机生成的400个问题实例上测试提出的算法,实验结果显示：提出的算法能有效地改善启发式冷启动的问题,性能超过当前最优秀的启发式求解算法.     

混合算法在车辆路径优化问题中的应用

研究车辆路径优化问题,物流配送不仅要求配送及时,而且要求运输成本低,且路径最优。车辆路径优化是解决物流配送效率的关键,传统优化方法寻优效率低,耗时长,难以得到车辆路径最优解,导致物流配送成本过高。为了提高车辆路径寻优效率,降低物流配送成本,提出一种混合算法的车辆路径优化方法。首先建立车辆路径优化数学模型,然后用遗传算法快速找到问题可行解,再将可行解转换成蚁群算法的初始信息素,最后采用蚁群算法从可行解中找到最优车辆路径。仿真结果表明,混合方法提高车辆路径寻优效率,有效地降低物流配送成本。     

A Memetic Algorithm With Competition for the Capacitated Green Vehicle Routing Problem

In this paper, a memetic algorithm with competition (MAC) is proposed to solve the capacitated green vehicle routing problem (CGVRP). Firstly, the permutation array called traveling salesman problem (TSP) route is used to encode the solution, and an effective decoding method to construct the CGVRP route is presented accordingly. Secondly, the k-nearest neighbor (kNN) based initialization is presented to take use of the location information of the customers. Thirdly, according to the characteristics of the CGVRP, the search operators in the variable neighborhood search (VNS) framework and the simulated annealing (SA) strategy are executed on the TSP route for all solutions. Moreover, the customer adjustment operator and the alternative fuel station (AFS) adjustment operator on the CGVRP route are executed for the elite solutions after competition. In addition, the crossover operator is employed to share information among different solutions. The effect of parameter setting is investigated using the Taguchi method of design-of-experiment to suggest suitable values. Via numerical tests, it demonstrates the effectiveness of both the competitive search and the decoding method. Moreover, extensive comparative results show that the proposed algorithm is more effective and efficient than the existing methods in solving the CGVRP.      

文化基因算法在第四方物流路径规划中的应用

第四方物流路径问题是复杂的组合优化问题。基本遗传算法在第四方物流路径问题上存在随着问题规模扩大,算法的成功率和准确率不断下降等缺点。针对基本的遗传算法已经不能满足规模较大的第四方物流问题等缺点,结合实验分析,提出了一种以遗传算法为全局搜索策略的文化基因算法,并针对第四方物流的问题特点设计了相应的局部搜索策略。实验结果表明,与基本遗传算法相比,该混合算法不仅在求解质量上有了较大的改进,并且在大规模第四方物流问题上也能获得质量较好的解,算法的成功率和准确率明显高于基本的遗传算法。因此,基于遗传算法的文化基因算法是解决大规模第四方物流路径问题的一种有效方法。     

蚂蚁算法在车辆路径问题中的应用研究

本文将蚂蚁算法这种新型的生物优化思想扩展到物流管理中的车辆路径问题,从数值计算上探索了蚂蚁算法的优化能力,获得了满意的效果.     

基于蚂蚁算法的车辆路径问题应用研究

引入了蚂蚁算法来解决基本车辆路径问题,设计了合适的算法程序,通过实验表明了蚂蚁算法能够有效地求解VRP问题。     

有软时窗约束带取送作业的车辆路径问题及其禁忌搜索算法研究

有软时窗约束带取送作业的车辆路径问题是在基本的车辆路径问题上增加了取送作业和时间窗约束的一种变化形式,是一个典型的NP-难问题.本文建立了问题模型,运用改进的禁忌搜索算法测试了根据实际状况构造的一个大规模算例.快速获得的高质量解验证了模型的正确性和算法性能的优良性.     

基于混合算法的带时间窗的车辆路径问题求解

建立了有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造了有时间窗车辆路径问题的混合遗传算法,并进行了实验计算。结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到了质量较高的解。     

求解卸装一体化的车辆路径问题的混合启发式算法

提出一种结合蚁群系统(Ant Colony System,ACS)和变邻域下降搜索(Variable Neighborhood Descent,VND)的混合启发式算法ACS_VND,求解卸装一体化车辆路径问题.利用基于插入的ACS解构造方法产生多个弱可行解,再逐个转换成强可行解,并选择其中最好的作为VND的初始解.在VND过程中使用三种不同的邻域结构:插入、交换和2-opt依次对解进行迭代优化.对55个规模为22~199的benchmark算例的求解结果表明,算法ACS_VND能在较短时间内获得52个算例的已知最好解,并且更新了其中44个算例的已知最好解,求解性能优于现有算法.     

遗传算法在车辆路径问题中的应用与实践

本文简要介绍了遗传算法和VRP问题,并提出利用遗传算法来解决VRP径问题,基于遗传算法的基本思想设计了合适的算法程序,通过实验表明了遗传算法能够有效地求解VRP问题.     

多车场车辆路径问题的遗传算法

给出了多车场车辆路径问题(MDVRP)的数学模型,提出一种基于客户的编码表示方式,可以表示出各车场出动的车辆及路径,能够有效地实现MDVRP的优化,并用计算实例进行了验证。     

多中心联合配送模式下集货需求随机的VRPSDP问题

针对多中心联合配送模式下集货需求随机的同时配集货车辆路径问题(MDVRPSDDSPJD), 构建了两阶段MDVRPSDDSPJD模型. 预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆, 生成预优化方案; 重优化阶段采用失败点重优化策略对服务失败点重新规划路径. 根据问题特征, 设计了自适应变邻域文化基因算法(Adaptive memetic algorithm and variable neighborhood search, AMAVNS), 针对文化基因算法易早熟、局部搜索能力弱等缺陷, 将变邻域搜索算法的深度搜索能力运用到文化基因算法的局部搜索策略中, 增强算法的局部搜索能力; 提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度. 通过多组算例验证了提出模型及算法的有效性. 研究成果不仅深化和拓展了VRP (Vehicle routing problem)相关理论研究, 也为物流企业制定车辆调度计划提供一种科学合理的方法.