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。     

易腐产品运输调度问题的优化

针对易腐产品在运输过程中容易变质,具有时效性和货物关联性的特点,构建一种带软时间窗的关联运输调度问题的数学模型来考虑易腐产品的配送,并采用免疫克隆选择算法求解这个复杂问题。通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性。与遗传算法相比较,免疫克隆选择算法能更有效地解决关联运输调度问题。     

带选址的关联运输调度问题研究

对零售点的选址问题和关联货物配送问题建模,分别应用改进的混沌遗传算法和免疫克隆选择算法求解该模型,前者采用混沌初始化方法产生初始种群,使种群具有较好的多样性,并采用混沌搜索策略以提高算法的收敛速度和全局搜索能力.最后比较两种算法的求解结果,结果证实了改进的混沌遗传算法求解该模型的有效性与优越性.     

区域低碳物流运输网络双层优化研究

区域低碳物流网络优化是建立低碳物流系统的重要环节。引入低碳理念,考虑政府低碳线路规划与货主之间的博弈,上层区域物流网络的优化以碳排放、成本、时间最少化,下层货流运用改进的Logit路径选择分配,建立了基于低碳理念的区域物流运输网络双层优化模型。根据模型求解的复杂性,运用网络变形和遗传算法给出求解优化模型的方法和步骤。算例仿真计算结果表明,该模型与算法在区域物流运输网络低碳优化组合中是准确且可行的,有益于低碳物流网络构建。     

改进的免疫克隆遗传算法研究及其在函数优化中的应用

针对免疫克隆遗传算法存在着"早熟"和局部搜索能力弱的问题,提出了一种改进方法.该方法用一位修正算子来改进后期局部搜索方面的不足,并对免疫克隆遗传算法的各个算子进行了改进.实验表明,新的改进算法在搜索效率和搜索能力上都有着显著的提高.     

一个邮政运输网络优化模型及解法

通过对我国邮政运输系统的现状和特点的研究,构造了邮区内邮政运输网络的优化模型,用分组编码遗传算法进行求解.在分组编码遗传算法中加入禁忌思想,构造了适合的适应度值函数,通过实例验证了该解法的优越性.     

并行机间歇过程生产调度的遗传局部搜索算法

研究了一类集成分批的并行机间歇过程调度问题(parallel machine batch process scheduling problem,简称PBPSP),将此问题转化为固定费用运输问题(6xed charge transportation problem,简称FCTP)后,提出了具有集中邻域搜索机制和局部最优逃逸机制的遗传局部搜索算法(genetic local search algorithm,简称GLSA).GLSA算法用先根遍历边排列模式编码生成树解,具有高效的子树补充式单点交叉操作.将基于网络单纯型方法的邻域搜索作为变异算子,并提出了连续随机节点邻域搜索的集中邻域搜索策略以及随机旋转变异与全局邻域搜索相结合的局部最优逃逸策略,极大地强化了遗传局部搜索算法的全局寻优能力.实验表明:GLSA算法获得的解质量优于基于排列编码的遗传算法和基于矩阵编码的遗传算法,得到了所有Benchmark问题的最优解,且具有高鲁棒性.针对一定规模的FCTP问题,GLSA算法比Tabu启发式搜索算法具有更高的获得最优解几率.     

定位-运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。     

运输问题的遗传算法

本文经典的运输问题给出了一种遗传算法，编制了相应的程序，对线性和非线性情况下的大量随机算例进行了求解，得到了较好的结果。     

遗传算法TSP问题的实现及免疫优化

本文介绍了遗传算法的基本知识，并利用遗传算法解决TSP（旅行商）问题，在此基础上，用免疫遗传算法进行优化对比。     

多目标运输应急管理问题研究

该文首先分析了多目标运输方式选择多目标优化问题的数学模型及虚拟传输网络图,其次对传统遗传算法的染色体编码方式、交叉算子、变异算子进行了重新设计,并且重新定义了适应度函数,最后通过实例分析验证了改进的遗传算法解决多目标运输问题的优越性。     

电子商务中物流配送路径优化研究

电子商务环境下的物流配送具有客户位置分散、订单多、批量小和重复线路多的特点，传统的线路优化方法都在不同程度上遇到各种问题。该文针对电子商务环境下的配送特殊性，采用改进两阶段算法进行求解。结合具体实例，实验证明了该改进算法的有效性。     

基于自适应免疫遗传算法的VRP问题的研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,当问题规模较大,很难得到问题的最优解和满意解。应用遗传算法是被认为求解NP难题的有效手段之一,文中在求解物流配送车辆路径优化问题时,在传统遗传算法的基础上,加入自适应算子,并引入了免疫算法的思想,实验结果表明该算法具有更好的全局和局部搜索能力和收敛速度,可有效地解决物流配送车辆路径优化问题。     

基于自适应免疫遗传算法的VRP问题的研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,当问题规模较大,很难得到问题的最优解和满意解。应用遗传算法是被认为求解NP难题的有效手段之一,文中在求解物流配送车辆路径优化问题时,在传统遗传算法的基础上,加入自适应算子,并引入了免疫算法的思想,实验结果表明该算法具有更好的全局和局部搜索能力和收敛速度,可有效地解决物流配送车辆路径优化问题。     

基于遗传算法的多式联运应急管理研究

实现在多式联运中实现运输时间和运输费用的最小化,多式联运运输方式选择问题直接关系到货物运输的费用和时间。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,用遗传算法来解决多目标化问题,给出了染色体编码,遗传算子的设计,适应度函数定义;最后通过示例来演示,通过遗传算法来解决多式联运多目标优化的问题。实验表明,将此算法用于多式联运应急管理与传统算法相比,能加速进化速度和多角度寻优能力,提高应急决策。     

汽车零部件物流网络优化设计与实现

针对现阶段汽车零部件物流网络优化问题,提出以区域分销中心选址为基础的汽车零部件物流网络优化解决方案,包括符合汽车零部件物流特点的物流网络优化模型。由于遗传算法的局限性,采用以模拟退火的思想对遗传算子参数进行自适应的改进方法,以及最优步长搜索技术做出调整与优化。对实际项目的优化和比较结果证明了该自适应遗传算法的有效性和适应能力。     

网络编码中的优化问题研究

简要回顾了网络编码的理论研究,阐述了网络编码优化问题研究的重要意义.在介绍网络信息流模型的基础上,针对优化问题的陈述、特点和解法,结合最新的研究成果进行了综述.根据优化目标的不同,优化问题可分成4类:最小花费组播,无向网络的最大吞吐率,最小编码节点、编码边,基于网络编码的网络拓扑设计.归纳了问题的求解性质,对其中的(线性或凸)规划问题总结了求解的一般方法,对NP完全问题讨论了最新的启发式算法及其设计难点.同时,展望了未来的发展方向.     

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.     

考虑多种运输方式的第四方物流路径优化算法

综合运用不同运输方式的技术和经济特点实施联合运输,是满足货主降低运输费用和时间要求的有效措施。为此,针对不同运输主体,提出多种运输方式的优化组合算法,以实现在满足客户运输要求的前提下,综合选择运输方式、第三方物流服务商及运输路径。将不同第三方物流服务商多种运输方式的优化选择与路径选择相结合,建立单源点到单目地点完成多项任务的第四方物流路径优化模型,设计模型求解的最大最小蚂蚁系统。实例计算结果表明,该算法能方便有效地求解考虑多种运输方式的第四方物流路径问题,为第四方物流企业决策提供参考。     

基于改进遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的研究分析,建立了不带时间窗约束的物流车辆配送路径优化模型。针对普通遗传算法早熟和易陷入局部最优的缺点,通过引入小生境技术对遗传算法进行了改进。其中,选择操作采用了最优个体保留和轮盘赌结合的策略,交叉操作采用最优路径子路径保留策略;变异算子保证个体逐代进化。个体交叉前的配对选择以及交叉完毕后的调整都引入了小生境选择机制。这些方法大大增强了种群的多样性和全局寻优能力,加速了算法的收敛。最后通过实例验证了算法的可行性、实用性和高效性。