多车场满载车辆路径优化算法探究

许多专家学者进行了一系列的多车场满载车辆路径优化算法的探究,比如:以多配送中心、多车型、多产品为依据建立起相应的关于车辆路径优化问题的混合型的数学模型,根据对于模型的分析求出混合车辆路径问题的算法;还有一个是利用节约法和多车场满载车辆路径问题相结合而提出的迭代算法,这一算法实现了对车场、配送中心、用户之间循环性调整的最优方案,并且节省了总费用,随着迭代次数的不断降低总费用也随之减少,最后使得车辆分配方案和满载车辆路径的结果达到最优的状态,经过不断的规模变化算例试验确定迭代算法对于多车场车辆路径问题的实际有效性。通过对多车场满载车辆路径优化算法的探究解决车辆运输问题,提高物流运输的速度和配送中心的效率。     

关联运输调度问题的蚁群算法

提出了改进的蚁群算法来对关联物流运输调度问题(Related Vehicle Routing Problem)求解。为了克服蚁群算法易陷入局部最优的缺陷,自适应地改变算法的挥发因子,在保证收敛速度的前提下提高解的全局性,最终提高了算法性能。实例证明该改进算法有效地解决了关联物流运输调度问题。     

一种多策略协同的多目标萤火虫算法

现实中的多目标优化问题不断增多且日益复杂,需要不断发展新型启发式算法应对挑战.提出一种多策略协同的多目标萤火虫算法MOFA-MCS.该算法采用均匀化与随机化相结合的方法产生初始种群;利用档案集中的精英解个体指导萤火虫移动;并在移动的过程施加Lévy flights随机扰动;最后,利用ε-三点最短路径策略维护档案解群的多样性.MOFA-MCS算法与其他6种经典的多目标进化算法一同在12个基准的多目标测试问题上进行实验,结果表明所提算法在收敛性、多样性方面总体上具有显著的性能优势.     

物流企业配送车辆优化调度问题的TS算法研究

文章在对TS算法进行简要分析的基础上,结合在物流企业配送车辆调度过程中的一些实际问题,建立了物流企业配送车辆优化调度模型并对其中的一些算法参数的构建进行了详细地介绍.     

求解TSP问题的离散型萤火虫群优化算法

基于求解TSP问题,提出一种离散型萤火虫群优化(DGSO)算法,该算法结合TSP问题特点,给出一种有效编码和解码方法,并定义适合编码的个体间距离计算公式和编码更新公式.同时,为增强算法求解TSP问题的局部搜索能力,加快算法的收敛速度,算法使用了操作简单的2-Opt优化算子.最后,通过对10个TSP问题进行仿真实验,实验结果表明本文提出的算法是在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.在大规模TSP算例中算法获得的最优值与理论最优值的误差也在1%以下.     

基于萤火虫算法的多中继功率分配

为了充分实现中继协作,降低多中继协作通信系统功率分配优化问题的计算复杂度,提出了基于萤火虫算法的多中继功率分配方案。在一定的总功率和节点功率约束下,以最大化平均信噪比为优化目标函数,建立了多中继协作系统的功率分配最优化模型。选取该目标函数作为萤火虫的适应度函数,用向量表示萤火虫的状态,该向量的维数为待分配源节点和中继节点的个数,通过萤火虫聚集得到种群中最好的萤火虫,即可获得渐进最优功率分配。仿真结果表明,与平均功率分配相比,基于萤火虫算法的功率分配方案能降低2.44%~6.17%的比特差错率,提高了系统性能。     

基于自适应遗传算法的关联运输调度问题

利用引入了混沌扰动的一种改进的自适应遗传算法来解决一类关联运输调度问题IVRP(IncidentVehicleRoutingProblem)模型。虽然M.Srinivas提出的自适应遗传算法既保护了最优个体又加快了较差个体的淘汰程度,但不容易跳出局部最优解,相邻进化代数间的参数缺乏连续性,所以,提出了一种新的自适应遗传算法,为避免近亲繁殖提出了改进策略,同时考虑到变异概率的大小可能导致破坏种群模式或减弱抑制早熟的能力,设计了相关的自适应变异概率。研究表明,该改进的算法在解决关联物流运输调度问题具有有效性和适用性。     

基于改进萤火虫算法的物流配送路径规划系统

传统的物流配送路径规划系统所用算法的收敛速度慢,为此设计一种基于改进萤火虫算法的物流配送路径规划系统。通过界面服务管理层、数据交换层、数据处理层和数据存储层,搭建系统总体架构;通过GPS设备、交换机、存储器、应用服务器和显示器,完成系统硬件设计;通过获取GPS数据,再采用改进萤火虫算法得到最优值,完成系统软件设计。至此完成基于改进萤火虫算法的物流配送路径规划系统设计。通过对比实验,与萤火虫算法、传统的物流配送路径规划系统所用算法作实验比较,实验结果表明,改进萤火虫算法具有更快的收敛速度,能更快速地得到最优配送路径。     

考虑运输代价的制造工作流调度算法

在云制造环境下,因制造服务资源所在地域的差异性,多目标制造工作流调度不仅考虑制造服务所需时间、费用,还需考虑产品运输所需时间、费用,原有工作流调度算法无法有效优化运输代价.针对此问题,结合遗传算法全局搜索能力强与粒子群算法收敛速度快的特点,提出多目标混合遗传粒子群(MOGA - PSO)算法.仿真结果表明混合算法能够有效降低运输代价,使得工作流调度得到进一步优化,可适用于云制造环境.     

改进捕鱼算法求解柔性作业车间调度问题

传统基于精确算法求解柔性作业车间调度问题时,仅能对小量柔性作业车间调度问题实施求解,具有一定的局限性。针对该问题,采用改进捕鱼算法求解柔性作业车间调度问题,在分析经典捕鱼算法存在弊端的基础上,提出改进捕鱼算法,融入渔夫的自身感知性能以及捕鱼经验,分析鱼浓度高的区域,并不断趋向该区域区间,通过概率分布原理对渔夫撒网方案实施优化。分析求解柔性作业车间调度问题的描述以及性能指标,将性能指标作为改进捕鱼算法的输入,通过运算获取最佳的调度结果。实验结果说明,所提算法具有较高的调度效率和精度,并且确保作业车间能耗的最小化。     

改进蝙蝠算法求解置换流水线车间调度问题

研究新型蝙蝠算法在置换流水线车间调度问题的应用。针对基本蝙蝠算法在解决离散型生产调度问题时,存在传统群智能算法的后期收敛精度不高、易陷入局部最优的通病,结合置换流水调度问题的特点,提出改进的蝙蝠算法,即引入自适应惯性权重作用于蝙蝠的速度更新,以提高算法的收敛速度;引入动态收缩搜索区域作用于蝙蝠的位置更新,以提高蝙蝠搜索效率。实验结果表明改进后的蝙蝠算法明显提高了质量。     

萤火虫算法改进及其在公交线网优化设计中的应用

萤火虫算法是一种新颖的群智能优化算法,在该类优化领域中的应用很少。将萤火虫算法应用在公交线网优化问题中。公交线网优化是一个复杂的多目标优化问题,是影响公共交通效率的关键问题。根据算法和问题的特点,设计了基于矩阵的解表示方法。为解决GSO算法优化精度底、收敛速度慢的缺陷,提出自适应调整荧光素挥发因子ρ的萤火虫算法,通过matlab编程仿真,结果表明改进后的算法能将多目标的优化问题收敛到Pareto最优解,并具有均匀分布的Pareto曲线,证明能有效的解决公交线网优化问题。     

混合帝国竞争算法求解带多行程批量配送的多工厂集成调度问题

针对供应链中一类广泛存在的带多行程批量配送的多工厂集成调度问题（Multi-Factory Integrated Scheduling Problem with Multi-Trip Batch Delivery,MFISP＿MTBD）,建立其数学模型并提出基于贝叶斯统计推断的混合帝国竞争算法（Hybrid Bayesian statistical inference-based Imperialist Competitive Algorithm,HBICA）进行求解.根据MFISP＿MTBD问题特性,结合多行程标签机制设计新型编解码策略,并基于该策略构造新型启发式规则以提高初始解的质量.为有效保留优质解的模式信息,采用贝叶斯概率模型学习机制替换标准帝国竞争算法中的同化机制.为更加明确地引导搜索方向,算法每代均利用各帝国中的精英国家（即精英解或个体）重构贝叶斯概率模型,进而对其采样生成新种群.利用9种有效邻域操作动态构造各帝国中每个国家的局部搜索,并对由各帝国内部相邻国家间竞争所确定的强势国家（即获胜国）执行其局部搜索,进而对各帝国中的殖民国家（即该帝国内的最强国家）依次执行所有弱势国...     

一种求解工程调度中多资源配置问题的启发式算法

针对工程调度中的多资源配置问题，设计了一种启发式算法，该算法以指定的工程最大持续时间和指定的资源均衡轮廓为约束，以购买资源的成本最小为目标。算法不断重复以下两部分直到工程的最大持续时间达到要求：求解资源受限的工程调度问题，来评价当前的资源配置并确定瓶颈资源；增加瓶颈资源来修改当前的资源配置。算法中的瓶颈资源就是指关键线路上“等待时间／购买价格之和”最大的作业所缺的资源。     

基于云服务优选的最节能物流运输调度系统的设计

云计算的物流调度系统中能耗过高一直是亟待解决的问题,设计一种基于云服务优选的最节能物流运输调度系统,给出了系统的总体结构,系统主要由微控制器LPC2368、GPS模块GPS9805、通信模块SIM300C、数据采集模块等组成,详细分析了关键器件的电路图。依据N层体系架构思想建立软件系统架构,系统被划分成5个逻辑层,即云服务优选层、业务逻辑层、业务规则层、业务实体层、数据访问层。所设计系统中的调度人员通过业务需要进行物流调度,主要在云服务优选层实现,给出部分代码。实验结果表明,所设计系统不仅节能效果好,而且资源利用率高,调度所需时间短。     

求解Job-Shop调度问题的改进蚁群算法

蚁群算法是一种新型的模拟进化算法,具有一些优良性质,但是蚁群算法容易陷入局部最优,且初期信息素匮乏导致求解速度慢.针对这一特点,在蚁群算法中引入遗传变异操作,并对蚁群算法做了改进.实验结果表明此方法行之有效.     

超启发式三维分布估计算法求解分布式流水线和车辆运输集成调度问题

针对一类广泛存在的分布式流水线和车辆运输集成调度问题(Distributed Permutation Flow-shop and Ve-hicle Transportation Integrated Scheduling Problem,DPFVTISP),本文建立问题模型,并提出一种超启发式三维分布估计算法(Hyper-Heuristic three-Dimensional Estimation of Distribution Algorithm,HH3DEDA)进行求解.首先,根据DPFVTISP的问题特性,采用贪婪策略设计一种新颖的编解码规则.其次,为实现对DPFVTISP问题解空间中不同区域的深入搜索,设计10种低层启发式操作(即10种有效的邻域操作),并将其所构成的排列作为高层个体;同时在高层采用三维分布估计算法(three-Dimensional Estimation of Distribution Algorithm,3DEDA)学习和积累优质高层个体中块结构及其位置信息,再通过采样3DEDA中的概率模型生成新的高层个体或排列;进而在低层将高层所生成的每个新个体所表征的一系列有序的启发式操作作为一种新的启发式算法,对问题解空间执行较深入的邻域搜索.最后,通过仿真实验与算法对比验证HH3DEDA可有效求解DPFVTISP.     

萤火虫算法的研究进展

萤火虫算法是通过模拟萤火虫在觅食和求偶等生活习性中产生的因光而吸引移动的行为来解决最优问题的一种新型群体智能优化算法。萤火虫算法因具有较强的鲁棒性和随机搜索性,已广泛地应用于函数寻优、聚类问题、机器人协作等多个方面。本文阐述了萤火虫算法的基本原理,给出了现有的各种改进算法,并展望了萤火虫算法的发展方向。     

基于连续空间的萤火虫算法改进

针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法.采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式.实验仿真结果证明了该改进算法的有效性.文中对...