基于多代理系统方法的存贮路径问题研究

在分析现有研究成果的基础上,运用智能化的多代理技术建模方法,将问题抽象映射成为4类自治的Agent,构造存贮路径问题（Inventory Routing Problem,IRP）的多代理模型,通过Agent间的通信与协作完成问题的求解,为该问题的处理探索一条新的途径。     

基于免疫克隆选择算法的固定费用运输问题优化

固定费用运输问题（fcTP）是物流运输中的高级问题,属于NP难题,较难得到最优解。针对现有方法存在的不足,提出了基于免疫克隆选择的fcTP求解算法。在该算法中,抗体采用矩阵形式编码,初始抗体群随机产生,通过迭代进行克隆选择、克隆抑制、基因变异等操作,对潜在解空间进行寻优搜索。实验结果表明,对于fcTP的优化,免疫克隆选择算法能够快速收敛于全局最优解,克服了遗传算法收敛速度慢和容易陷入局部最优的缺点。     

车辆运输路径规划问题研究

为了更好地解决武警车辆运输路径规划问题,提高部队行动的迅速性,在考虑武警车辆运输实际需求的基础上,文中建立了开放式车辆路径模型,增加了诸多约束条件.例如车辆容量限制、时间窗限制等等.同时,论述了节约算法的基本原理,并采用设计改进的节约算法对开放式车辆路径问题进行了求解.通过实际案例的验证,采用改进的节约算法能够得到较满意的解,既能够满足时间限制,又能够节约运输里程和费用.结果表明,此种算法简明、易于理解,且可操作性强.     

求解固定费用运输问题的遗传算法

为克服基于边集编码的遗传算法求解固定费用运输问题的不足,对采用先根遍历边构成有序边集编码的生成树,提出了森林补充式多点交叉操作的遗传算法.经证明,对于有m个源节点和n个目的节点的固定费用运输问题,该算法的空间复杂度为O((m n-1)2),时间复杂度为Oβ(m n-1)3),β为最大迭代次数.实验数据表明,随着问题规模和求解难度的增加,该算法与边集编码的遗传算法解的质量都呈下降趋势,但所得解的质量优于边集编码的遗传算法.     

基于多目标优化的机场行李运输车辆调度问题研究

行李装卸是指将旅客的托运行李装上飞机或从飞机上卸载下来的一种机场地面保障服务,行李运输车是民航使用的在机场地面运输旅客托运行李的特种车辆。目前机场普遍采用的单车服务单航班的车辆调度方式,车辆的使用成本高、效率较低,且无法保证任务量的均衡。在建立的机场行李运输车辆调度模型的基础上,首先利用最邻近算法构建由一个出港航班和一个到港航班组成的车辆行驶总路程最短的子路径集合;然后依据子路径间的时间衔接关系对子路经进行优化组合,将所有子路径任务合理分配给行李运输车,实现所需车辆数最少和车辆任务量均衡的目标;最后,应用机场实际算例进行仿真试验,通过对试验结果的分析,验证了所建模型及求解算法的合理性和有效性。     

随机需求多车辆路径问题的神经网络算法

目前国内外对随机需求多车辆路径问题的研究还很少,本文针对标准hopfield神经网络容易陷入局部极值点等问题,以总路程最短和总使用车辆数最少为目标,提出了一种基于退火策略的混沌神经网络的求解随机需求多车辆路径问题的算法,该算法既可以使混沌运动有足够长的进程以提高粗搜索性能,又可以随混沌动态的减弱使收敛速度加快。实验结果表明,该算法优化车辆路径更佳,是解决随机需求多车辆路径问题的有效方法。     

无向网络流的最小费用问题

该文研究了无向网络上,具有流量上限的网络流最小费用问题,建立了它的数学模型,并且给出了相应的算法。     

物流运输调度问题的混沌烟花算法——基于多车型供应链

为了满足供应链物流的不同需求，考虑多种车型、车辆容量、车辆油耗、车辆最大配送距离等约束条件，以最小油耗、最短配送距离为目标，建立多车型供应链物流运输调度模型（Multi-Type Vehicle Routing Problem in Supply Chain，MTVRPSC），并提出一种混沌烟花算法求解该模型。该算法以烟花算法为核心，提出一种编解码策略实现连续空间到MTVRPSC离散空间的映射，重新定义算法的适应度函数、适应度值和适应度的比较方法，并采用混沌初始化策略和混沌搜索策略来增强算法收敛效果。实验结果表明，所提出的算法在求解MTVRPSC时具有较强的寻优能力和稳定性。     

基于费用划分的测试复用问题研究

针对传统的诊断策略分析方法对测试复用问题的描述与实际不相符的问题,通过将测试费用分解为测试过程费用和资源配置费用,且不同情况下费用的计算方法也不同的方式,解决了测试复用时的优选问题;同时,基于此费用划分,改进了以贪婪式算法为基础的诊断策略,并用案例证明了方法的有效性;文中所提出的诊断策略设计方法能得到更少的测试种类数和测试费用,从而优化测试性指标。     

基于车辆任务可靠性的协同车辆路径问题

研究一类属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物的协同车辆路径问题, 将之视为“部分客户被一车辆访问”的集合划分问题。考虑车辆容量、车辆行驶最大里程、车辆配送任务的可靠性概率、时间窗等约束条件, 建立以车辆配送总费用最小为目标的混合整数规划模型, 并设计了求解该问题的遗传算法求解该问题。最后, 通过一个算例验证了模型的正确性和合理性。     

多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题。首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多类型算例进行仿真实验,结果表明共享物流模式能有效避免交叉配送与迂回运输等不合理现象,降低物流成本,缩短车辆行驶距离,减少车辆碳排放,促进物流与环境的和谐发展。     

一种求解粮食调运优化问题的两阶段方法

粮食调运优化问题属于一种多回路运输问题,本文提出了一个解决粮食调运优化问题的两阶段求解方法,在第一阶段,由图搜索算法产生所有可行的运输路线,并根据约束条件对搜索树进行剪枝;在第二阶段,采用整数规划模型从第一阶段产生的可行路线集合中选取最佳路线,使总的运输成本最低.同时基于该方法开发了一个粮食调运决策支持系统,经过测试,该系统在最坏的情况下能节省9%~15%的路程和10%~18%的运输费用.     

基于交叉熵法解决随机需求车辆路径问题

提出一种解决随机需求车辆路径问题(VRPSD)新方法。首先,采用预防性补救措施,建立了VRPSD模型,其次,为提高标准交叉熵(SCE)法性能,对用于更新Markov转移矩阵的路径,设计了根据分位值改变大小的自适应调整方法。仿真结果验证了该算法解决VRPSD的有效性。     

基于遗传算法的集送一体化的车辆路径问题

有时间窗的集送货一体化的车辆路径问题(VRPPDTW)是对经典的车辆路径问题(VRP)的扩展,是一类重要的组合优化问题,但是目前对该问题的研究非常有限。论文采用了新的染色体编码方法,设计了遗传算法对该问题进行求解。在求解过程中,对集送一体化、多种配送车辆类型的问题进行了有效处理,同时考虑了车辆载重量和时间窗等约束。最后的实验结果表明,该算法可以求得这类车辆路径问题的最优解或次优解。     

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.     

基于启发式带时间窗的车辆路径规划问题求解

车辆路径规划问题广泛地存在于现代物流行业中,该问题属于NP难的组合优化问题.随着客户需求的多样化、道路限行等因素的影响,该问题变得更加的复杂,采用传统的组合优化方法和运筹学方法往往难以求解.本文对一类常见的带时间窗的车辆路径规划问题进行了研究,根据时间窗参数来调整客户的优先级,以减少车辆的等待时间,由此改进了几个常见的启发式算法,并对56个常见的车辆路径规划问题进行了测试,实验结果表明,改进的节约算法在带容量约束的车辆路径问题中效果较好,改进的插入法则在带时间窗的车辆路径问题中具有优越性,另外,改进的启发式算法在4个测试用例上使用更多车辆时可使总路程优于已知最优值.     

模糊需求下企业间联盟车辆路径及遗传算法

建立了基于模糊需求的企业间联盟车辆路径问题, 并基于模糊结构元理论将模糊需求问题转化为清晰需求问题. 针对该模型, 提出一种基于二维结构的编码表示方式和遗传算子, 并用计算实例进行了验证.     

多中心联合取送货车辆路径优化与利润分配

共享模式是电商逆向物流的新发展趋势,在共享车辆与客户订单的条件下,考虑带时间窗约束的客户同时取送货情景,建立了MJVRPSDPTW（multi-centers joint vehicle routing problem with simultaneous delivery and pick-up and time window）模型。接着设计一种基于大邻域搜索的混合遗传算法进行求解,针对“多对多网络”设置虚拟中心并利用整体法优化,同时融合大邻域搜索算法中的“破坏”与“修复”算子,增强算法寻优能力。通过多组算例对比实验,证明该算法优于两阶段规划法与经典遗传算法。基于优化后的网络,利用Shapley值法对不同联盟情况下的各物流企业进行利润分配,结果证明大联盟最稳定且共同利润最大。     

具有模糊时间窗的转运联盟车辆路径及遗传优化

在对带有模糊时间窗的企业间转运联盟车辆路径问题进行描述的基础上,构建了该问题的多目标规划模型;钭测该模型提出了一种混合遗传算法,该算法在经典车辆路径遗传编码的基础上,通过若干转化和修正算法得到了一种三元式编码,并改进了交叉和变异算子;最后通过实例说明了模型和算法的有效性．     

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.