多式联运运输问题的混合遗传算法

多式联运运输方式的选择关系到货物运输所需费用、时间等。该文对需经过多式联运过程的运输问题进行了研究。首先分析了多式联运运输问题的数学模型;其次通过引入关于运输量及运输方式的混合编码,结合两种混合遗传算子,提出了一种求解多式联运运输问题的混合遗传算法;最后用数值例子对算法的有效性进行了验证。     

运输方式选择多目标优化问题的混合遗传算法

多式联运运输方式选择问题直接关系到货物运输的费用、时间和运输质量。首先分析了多式联运运输方式选择多目标优化问题的数学模型及虚拟运输网络图;其次,将基于信息熵的多属性决策方法引入适应度函数的设计中,提出了一种求解多式联运运输方式选择多目标优化问题的混合遗传算法,给出了染色体编码、遗传算子设计、染色体有效性判断和修正的方法;最后用示例对算法的有效性进行了验证。     

长江集装箱多式联运路径优化动态规划算法

考虑不同货流运输需求及其时间窗约束,研究长江集装箱多式联运路径优化问题,以运输总费用最小为目标构建数学模型,提出基于深度优先遍历的两阶段多式联运路径优化动态规划算法.第一阶段通过网络遍历提供所有货流可行路径方案集,作为第二阶段的输入完成多式联运路径优化.算例研究结果表明,动态规划算法可实现模型有效求解,适当调整时间窗约束或班次信息可降低多式联运费用.     

混合哈里斯鹰优化算法求解带模糊需求的低碳多式联运路径规划问题

针对带限制的低碳多式联运路径规划问题的研究,在考虑模糊需求和碳排放量约束的条件下构建了路径成本、碳排放量等目标最小化的多目标多式联运数学模型。首先,根据模型特点使用机会约束规划处理用梯形模糊数表示的不确定需求;其次,改进了哈里斯鹰算法,采用路径重连算法、两种交叉算子和两种变异算子代替原算法中的搜索过程,在保留算法原有特性的前提下使其成功应用于离散优化问题。最后,以广西省南宁市到黑龙江省哈尔滨市的多式联运网络进行路径优化分析,给出了多个合理的路径方案。HHHO与其他算法进行对比结果显示,HHHO、NSGA-Ⅱ、GA、SA和PSO均在规定时间内得到了一组含有5个解的近似最优解集,HHHO的解集更加接近最优解集;HHHO及其他四种算法运行时间分别为86.50 s、118.26 s、101.67 s、81.22 s和68.40 s, HHHO在运行时间上比GA和NSGA-Ⅱ更快,验证了模型的正确性以及混合哈里斯鹰算法的有效性。     

多周期多原料的供应链网络成本优化及其混合遗传算法

建立并求解一个基于成本最小的供应链网络模型.与以往研究不同,在该模型中生产一种产品需要至少两种原料,每种原料都可以由备选供应商提供.根据模型的特点,用0、1代表对原材料供应商、工厂和分销中心的选择情况,以MATLAB 7.6为平台,运用Sheffield大学的遗传算法工具箱,将遗传算法与线性规划算法相结合,实现了模型的求解.算例结果表明,给出的染色体编码方案正确,混合遗传算法有效,能解决多周期、多原料的供应链网络成本优化问题.还探讨了需求和距离变化,以及需求随机时对最优成本和最优个体的影响.研究表明,需求变化的影响大于距离变化的影响,需求随机对最优成本和最优个体的影响不大.     

多约束三维装箱问题的混合遗传算法

三维装箱问题提出至今已有很多研究成果,各种启发式算法配合遗传算法、蚁群算法和模拟退火算法的设计层出不穷。而针对于三维装箱问题的各种约束,虽然各自有相应的处理方法,但却没有一种方法可以整合各种约束条件,这是因为启发式算法往往容易满足部分约束却很难满足所有约束的特点。在前人研究的基础上,针对各种遗传算法的约束条件,设计可以相互组合的解决各种约束条件的算法,通过对这些算法规则组合,可以解决各种约束条件下的三维装箱问题。     

多式联运中运输方式与运输路径集成优化模型研究*

运输方式和运输路径选择问题是影响多式联运时间和费用的关键问题,直接影响承运人和客户的利益。依据运输方式选择和运输路径优化的关系特点,采用主从混合智能启发式方法,构建了运输方式选择和运输路径优化集成模型,给出了粒子群—蚁群双层优化算法求解方案,解决了运输网络多节点、多方式、多路径的集成优化问题。实验结果表明,该方案优于蚁群算法和遗传算法。     

求解多式联运运输方案选择的混合蛙跳算法

考虑多式联运路径上运输方案选择问题,建立了降低运输总成本和缩短运输总时间的多目标数学模型,通过加权目标函数,设计新的最差青蛙更新方式,提出一种基于字符编码方式的混合蛙跳算法,最后用示例验证了算法的有效性。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

背包问题混合遗传算法在电力恢复中的应用

文章把电力系统的负荷恢复问题建模为带众多约束条件的0-1背包问题,并设计了一种将贪心算法与改进遗传算法结合起来的改进混合遗传算法来对此问题进行求解.该算法的主要特点是具有群体爬山性和利用了郭涛算子的非凸组合技术使算法具有搜索的遍历性.采用此算法可以得到负荷恢复的某一阶段可恢复的最大的负荷量.求解的过程保证了求得的解是满足系统的约束条件,所以系统的负荷恢复过程是安全的.算例的结果表明了该算法的有效性.     

一种用于求解多目标组合优化的混合遗传算法

为高效求解多目标组合优化问题 ,提出一种进化计算与局部搜索结合的多目标算法。此算法基于个体排序数和密度值进行适应度赋值 ,采用非劣解并行局部搜索策略 ,在解的适应度赋值和局部搜索过程中使用 Pa-reto支配的概念。实验结果表明 ,新算法不仅提高了优化搜索的效率 ,且能够找到更多的近似 Pareto最优解。     

基于确定性拥挤的多模态郊狼优化算法

为了解决多模态优化问题,对郊狼优化算法进行研究,提出了一种基于确定性拥挤的多模态郊狼优化算法—DCCOA.将小生境技术的确定性拥挤方法引入郊狼优化算法中,定义了新的郊狼进化机制,改进了郊狼群组文化趋势的计算方法.同时,为了更真实地模拟郊狼的种群生活,算法还定义了2只阿尔法郊狼并且采用了权重法更新郊狼的社会状况.最后将D...     

一种求解三维集装箱装箱问题的混合遗传算法

在遗传算法的基础上结合传统启发式装箱算法,设计了一个混合遗传算法,该算法既继承了遗传算法的全局搜索好的优点,也克服了遗传算法局部搜索能力差的缺点,能够较好地解决集装箱这类多目标多约束的空间三维分布的问题。     

基于遗传算法的城市输电网络巡视路径优化选择问题

为了保障输电网络的安全稳定运行, 降低电网故障概率, 优化输电网络日常管理, 基于实际调研获得输电网络的加权网络图, 考虑输电网络巡视消耗成本、机会成本、风险成本, 根据实际巡航问题的约束条件和效用最大化的目标函数建立数学模型。提出了基于输电网络巡视路线优化的遗传算法设计, 通过与改进的Dijkstra算法相比较, 提出的算法具有计算复杂度低、准确率高、鲁棒性强的特点。针对有关输电网络日常巡视管理优化问题的探讨, 对于提升电网应急响应速度、提高电网可靠性、降低成本、提高效率有十分重要的意义。     

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。     

求解多背包问题的混合遗传算法

针对多背包问题最优解的求解,设计了一种新的价值密度;在此基础上结合传统的贪心算法,提出了一种求解多背包问题的混合遗传算法。该算法采用整数编码,并采用轮盘赌选择方法,对背包资源利用不足的可行解进行修正处理,对不可行解进行修复处理。并在大量的数值实验的基础上,将该方法与传统方法及简单遗传算法进行比较,实验结果表明,该混合遗传算法提高了问题求解的速度和精度,有一定的优越性。     

求解敏捷供应链调度优化问题的混合遗传算法

针对敏捷供应链调度决策中,需求的时间、数量约束和供应商生产能力、可用调度时段约束造成系统优化的复杂性,设计结合贪婪算法的混合遗传算法进行求解。算法以供应链系统库存成本和运输成本为适应度函数,以包含企业信息、部件信息和调度时段信息的时段编码作为遗传编码,以线性次序交叉LOX算子和逆序变异INV算子进行交叉和变异操作,在解码过程中结合贪婪算法进行调度决策和适应度计算,保证算法在满足约束条件的基础上快速收敛到系统Pareto最优解,通过算例验证算法的有效性。     

多约束选址—路径问题的改进混合遗传算法研究

选址—路径问题(LRP)同时解决设施选址和车辆路径问题,使物流系统总成本达到最小,在集成化物流配送网络规划中具有重要意义。针对带仓库容量约束和路径容量约束的选址—路径(CLRP)问题,提出了一种结合模拟退火算法的混合遗传算法进行整体求解。改进混合遗传算法分别对初始种群生成方式、遗传操作和重组策略进行改进,并实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的有效结合。运用一组Barreto Benchmark算例进行数值实验测试其性能,并将求解结果与国外文献中的启发式算法进行比较,验证了改进混合算法的有效性和可行性。