求解多目标带时间窗VRP问题的文化狼群算法

针对以最小化总距离和车辆数为目标的带时间窗车辆路径问题的求解,提出一种基于文化基因的狼群算法。根据客户近邻度矩阵构建初始狼群,提高狼群的优良性。结合问题特征与狼群算法的寻优思想,重新定义了群体的游走和突袭行为。提出头狼变异策略,增加了最优解的邻域搜索范围。受文化算法启发,将当前最优解的有利信息作为信仰空间的知识来指导狼群进化方向,提高搜索效率。仿真实验及与其他算法对比,表明文化狼群算法求解车辆数更少、总距离更短,且具有更好的稳定性。     

泰森多边形的离散蝙蝠算法求解多车场车辆路径问题

本文提出一种泰森多边形的离散蝙蝠算法求解多车场车辆路径问题(multi-depot vehicle routing problem,MDVRP).所提出算法以离散蝙蝠算法为核心,融入了一种基于多车场多车辆问题的编解码策略.所提出算法还使用基于泰森多边形的初始化策略加快算法的前期收敛速度,采用基于向量比较机制的适应度函数来控制算法收敛的方向,引入基于近邻策略和优先配送策略的局部搜索算法来提高算法的寻优能力.实验结果表明:在合理的时间耗费内,所提出的算法能有效地求解MDVRP,尤其是带配送距离约束的MDVRP;相对于对比算法,所提出的算法表现出较强的寻优能力和稳定性.     

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。     

车辆路径问题的单亲遗传算法

本文应用新颖的单亲遗传算法解决车辆路径问题。通过构造问题的染色体表达,采用基因换位算子进行染色体重组,实现了该问题单亲遗传算法。根据对单亲遗传算法、传统遗传算法以及它们的改型算法求解该问题所得的结果作的比较,证明了单亲遗传算法在寻优效率和“早熟收敛”问题上的优越性。     

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。     

多时间窗车辆路径问题的混合蚁群算法

研究了多时间窗车辆路径问题,建立了多时间窗车辆路径问题的数学模型,并基于蚁群算法设计了一种混合蚁群算法对问题进行了求解。该算法首先利用基本蚁群算法求解,然后采用2-opt算法和元胞自动算法对结果进行优化,同时加入变异算子。实验结果表明该算法可以有效地求解多时间窗车辆路径问题。     

多车场多车型车辆路径问题的改进遗传算法

在给出有时间窗约束的多车场多车型车辆路径问题的基于直观描述的数学模型基础上,引入一种新的编码方式,并将RC交叉算子进行修正,构造出一种解决该问题的模拟退火遗传算法,实验证明能够有效地解决优化问题。     

多车场满载车辆路径优化算法

针对多车场满载车辆路径问题(MDVRPFL),结合节约法提出了一种依次对车场、配送中心、用户进行循环调整直到最优的迭代算法.该算法具有使总费用随迭代次数逐渐降低的特点,其运算结果能同时得到最优车辆分配方案和车辆行驶路径.最后用该算法对不同规模的算例进行试验.试验结果表明,该算法对多车场车辆路径问题有效适用.     

基于深度强化学习的多配送中心车辆路径规划

多配送中心车辆路径规划(multi-depot vehicle routing problem, MDVRP)是现阶段供应链应用较为广泛的问题模型,现有算法多采用启发式方法,其求解速度慢且无法保证解的质量,因此研究快速且有效的求解算法具有重要的学术意义和应用价值.以最小化总车辆路径距离为目标,提出一种基于多智能体深度强化学习的求解模型.首先,定义多配送中心车辆路径问题的多智能体强化学习形式,包括状态、动作、回报以及状态转移函数,使模型能够利用多智能体强化学习训练;然后通过对MDVRP的节点邻居及遮掩机制的定义,基于注意力机制设计由多个智能体网络构成的策略网络模型,并利用策略梯度算法进行训练以获得能够快速求解的模型;接着,利用2-opt局部搜索策略和采样搜索策略改进解的质量;最后,通过对不同规模问题仿真实验以及与其他算法进行对比,验证所提出的多智能体深度强化学习模型及其与搜索策略的结合能够快速获得高质量的解.     

基于改进蚁群算法的多时间窗车辆路径问题

物流运输成本在物流总成本中占有很大比重,合理安排车辆路线,满足用户需求对企业有重要意义。车辆路径问题是运筹优化领域的热点研究问题,多时间窗车辆路径问题是对车辆路径问题的扩展。文中以总成本最小为目标,建立了多时间窗车辆路径问题的一般数学模型,针对蚁群算法在求解时容易陷入局部最优解和收敛速度慢的问题,改进转移概率公式,采用邻域搜索策略提高解的质量,借鉴模拟退火算法的思想对信息素进行更新,提高算法的寻优能力,加快收敛速度。实验结果表明,改进后的蚁群算法可以有效求得最优解,降低物流运输成本。相比其他算法,改进后的蚁群算法求解精确度高,收敛速度快,在求解多时间窗车辆路径问题上有着较好的性能。     

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。     

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.     

求解柔性作业车间调度问题的两段式狼群算法

针对以最小化最大完工时间为目标函数的柔性作业车间调度问题,建立其数学模型并提出了一种两段式狼群算法加以求解.采用两段式(two-vector code)的编码方式,设计初始化种群的方式,保证初始解的质量及多样性;通过对原始狼群算法中游走行为、召唤行为、围攻行为的重新设计,解决了原始狼群算法易陷入局部最优的问题;舍弃原始...     

求解一般车辆优化调度问题的一种改进遗传算法

文章在对一般车辆优化调度问题(VRP)进行分析的基础上,为之建立了数学模型;提出了一种求解该问题的改进遗传算法,并通过实例验证了该算法具有优良性能。     

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...     

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.     

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。     

基于改进蝙蝠算法的带模糊需求的车辆路径问题

蝙蝠算法作为一种新的元启发式算法,尚未被应用到模糊车辆路径问题中;针对带模糊需求的车辆路径问题,以极小化总运输距离为目标,建立基于可信性理论的模糊规划模型,提出一种改进的蝙蝠算法;算法采用基于客户编号的编码方式,利用随机模拟算法计算额外行驶距离;在蝙蝠位置更新时,引入基于非线性调整的惯性权重和基于子路径的局部搜索;为提高全局搜索能力,避免算法早熟,对处于较差位置的蝙蝠进行交叉操作;最后,利用随机实验数据进行仿真,分析了决策者主观偏好值对目标值的影响,并与其它算法的寻优结果进行对比分析,结果表明,算法具有一定的可行性和有效性。