绿色车辆路径问题研究综述

为了满足高时效、低排放的运输环境要求,选取Web of Science核心合集数据库中蕴含绿色车辆路径为主题的869篇文献作为研究对象,借助信息可视化软件CiteSpace,从运输学和运筹学管理科学这两个研究方向进行宏观及微观层面的数据分析.研究结果表明:该领域正处于快速发展阶段,其文献来源期刊整体影响力良好,发文机构合作强度较高,但核心作者的学术贡献相对分散;另外,通过对文献共被引网络及冲积流图谱的分析得知,其研究热点集中在传统、新能源车辆路径问题、算法优化及智能交通系统设计上,未来研究将紧密结合国家经济和环境政策进行设施选址和路径规划.     

危险品运输车辆路径优化问题研究综述

危险品运输是社会关注的热点之一,危险品运输车辆路径优化也是重要的研究问题.本文对现有相关研究进行整理和分类,梳理危险品运输车辆路径优化问题的研究进展.首先将危险品运输车辆路径优化研究分为4类,即单目标危险品运输路径选择研究、多目标危险品运输路径选择研究、单目标危险品运输车辆路径问题研究、多目标危险品运输车辆路径问题研究...     

带软时间窗车辆路径问题的求解算法研究

针对带软时间窗车辆路径问题难以使用精确算法求解的问题,设计了一种基于爬山遗传混合的智能启发式算法来对带软时间窗车辆路径问题进行求解,并构建该混合算法相应的算法程序与爬山、禁忌搜索、模拟退火、遗传4种基本智能启发式算法进行标准数据对比测试。测试结果表明,该混合算法用于求解带软时间窗车辆路径问题具有计算效率高、计算结果稳定的特点。     

带回程取货车辆路径问题的人工鱼群算法研究

该文提出用人工鱼群算法求解带回程取货车辆路径问题,有效调度车辆在送货的同时完成取货任务。将人鱼个体能量函数、觅食行为、聚群行为和追尾行为等应用到优化问题中,仿真结果表明人工鱼群算法是一种解决带回程取货车辆路径问题的有效方法。     

绿色车辆路径问题研究

对绿色车辆路径问题的发展形势进行了分析.阐述了绿色车辆路径问题的起源,梳理了绿色车辆路径问题的研究热点,将其划分为最小化燃料消耗的绿色车辆路径问题、考虑污染路径的绿色车辆路径问题、结合新能源车的绿色车辆路径问题这3个研究的主要阶段,指出了绿色车辆路径问题研究的不足和未来可能的研究方向.     

带时间窗和货物权重的车辆路径问题的研究

提出了带货物权重及时间窗的车辆路径问题在车辆数不确定条件下的一个新的求解算法.通过利用轮盘赌选择策略,既能使最优个体进入下一代,又避免了个体之间因为适应度不同而被选择进入下一代的机会相差很大,从而保证了下一代的多样性并提高了算法的收敛速度.选用cx交叉算子有效避开遗传算法的＂早熟收敛＂,同时对路径划分算法进行优化,从而达到VRPTWW车辆数与路径双重优化.数值实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

物流配送车辆路径问题(VRP)算法综述

物流配送车辆路径问题(VRP)属于NP-hard问题,对这类问题如何求解,学术界提出了多种算法,这些算法可归结为2大类:精确算法和启发式算法.通过对这2类算法中最具代表性的几种算法的分析、比较和总结,指出了各种算法的优缺点、适用范围和场合、存在的问题以及改进的方案,为物流配送车辆路径问题求解过程中算法的选择提供了依据和参考.     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题（Vehicle Routing Problem with Time Windows, VRPTW）的特点，对蚁群算法进行了改进，优化了其搜索解的能力和收敛速度，用实例证明了改进的蚁群算法对解决VRPTW的有效性．     

基于带时间窗的车辆路径问题的蚁群算法

针对带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)的特点,对蚁群算法进行了改进,优化了其搜索解的能力和收敛速度,用实例证明了改进的蚁群算法对解决VRPTW的有效性.     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题。标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点。本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平。实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案。     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题.标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点.本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平.实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案.     

带运力限制车辆路径问题的简易蚁群算法实现

以求解旅行商问题的蚁群算法为基础,根据带运力限制车辆路径问题的实际应用条件,提出一种较为简易的求解带运力限制车辆路径问题的蚁群算法,并对其中的信息素更新策略进行了分析,对蚁群中的精英蚂蚁(搜索出最优解的蚂蚁个体)所经过路径的信息素进行加强,提高了算法的全局收敛性能和收敛速度,允许蚂蚁在搜索的最初阶段有较大的自由以扩大最优解的寻找空间,提出改进蚁群算法.实验结果表明,该方法能在较短的时间内达到已知最优解的1.5%误差范围.     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

车辆路径问题的改进遗传算法

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达式,并对染色体进行了可行化映射,建立了此问题的遗传算法．实验表明,此算法可以有效求得车辆路径问题的优化解或近似优化解．     

带时间窗的模糊需求多类型车辆路径问题禁忌搜索算法

在对模糊需求和决策者偏好的概念进行介绍的基础上,研究了一类单车场单发情况下客户需求模糊、车辆类型不同、车辆数量确定、时间窗约束的车辆路径优化问题.利用禁忌搜索算法对该问题进行求解,并给出了该问题的一个计算实例.     

一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型.通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解.结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化.     

多车场带时间窗车辆路径问题的粒子群优化算法

针对粒子群算法解决多车场带时间窗车辆路径问题时产生不可行解较多的问题,设计了对不可行解根据个体极值进行调整的策略,优化不可行解的粒子群算法,并且引入变异算子,增强了粒子寻找最优解的能力.实验结果表明,该算法可以快速求得多车场带时间窗车辆路径问题的目前最优解,提高算法的精度,加快收敛速度,跳出局部最优.     

军事配送式后勤车辆路径问题研究

为提高军事后勤车辆的配送效率,实现快速响应,文中在分析军事后勤车辆路径问题特点的基础上,建立了单时间窗多目标动态军事后勤车辆路径模型,设计了遗传-蚁群混合算法对模型进行两阶段求解.仿真实验结果表明,该算法解决了遗传算法求解效率低及蚁群算法收敛过早的问题,可有效解决军事后勤车辆动态路径优化问题.