基于改进遗传算法在货运物流中的应用研究

物流企业中车辆路径选择规划问题(VRP)是一个典型的NP难问题。为了解决这类问题,启发式算法被提出。现代启发式优化算法中的遗传算法是解决货运物流运输车辆问题的有效算法。本文详细研究了遗传算法在货运物流中的应用,结合实际建立了合适的VRP数学模型,提出了解决该问题的改进遗传算法,并对该算法进行了详细的讨论。     

混合量子遗传算法及其在VRP中的应用

物流配送车辆路径问题(VRP)是一类典型的NP问题.针对提高寻优能力问题,构造了一种混合量子遗传算法(HQGA),即在传统量子遗传算法(QGA)随机全局搜索的基础上引入一个免疫算子,通过该算子的局部搜索操作实现线路内次序的再优化.给出了该算法的具体实现方法和流程,并用实例进行测试.仿真结果表明混合量子遗传算法的寻优性能优于传统量子遗传算法(QGA)及文献中的其它方法,可以避免出现早熟收敛,是求解车辆路径问题的一种有效的算法.     

车辆路径问题的一种遗传算法求解方法

对车辆路径问题(VRP)进行了描述,通过构造其染色体表达,并对染色体进行可行化影射,建立了此问题的遗传算法.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.     

求解非满载车辆调度问题的改进遗传算法

车辆路径问题(VRP)是一个典型的NP问题,采用传统方法求解往往找不到满意解.在分析现有求解该问题的遗传算法的基础上,对现有的变异算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解非满载的车辆路径问题.计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法.     

改进遗传操作PSO算法及其在VRP中的应用

针对车辆路径问题(Vehicle Routing Problem,VRP)是物流系统调度中的关键环节,对车辆路径进行优化调度,可以提高物流经济效益,实现物流科学化.为优化路径,提高搜索效率,针对车辆路径优化问题的特殊性,提出一种改进信息循环利用机制的遗传操作微粒群算法,利用准连续编码算法对解窄间进行编码,引入一种信息保留机制,把所有粒子自身的信息保留为一个信息库,利用信息库对粒子进行重组,实现粒子的更新,从而提高算法搜索的效率.通过仿真表明,在VRP的求解上与遗传算法和双种群遗传算法进行对比研究,证明了微粒群算法是一个求解VRP的较好方案.     

物流配送系统中车辆路径问题的实现

针对物流配送系统中大规模车辆路径问题(VRP)很难在有限时间内得到最优解的问题,在分析了目前现有启发式算法的基础上,提出了采用遗传算法的解决方案,以及在交叉算子和变异算子中引出一个调整方法,使调整后的线路费用被进一步减少.该方法在一定程度上改进了遗传算法收敛速度慢的问题,并用VC++进行实现.最后两个实验结果表明,调整的遗传算法无论在运算时间还是运算结果上都是令人满意的,它可以有效地解决大规模的VRP问题.     

基于遗传算法物流配送路线优化研究与实现

物流配送线路优化问题,即车辆路线问题(VRP,Vehicle Routing Problem)是组合优化领域中的著名NP(Nonlinear Program-ming)难题。该文在遗传算法的基础上,利用自然数序列作为车辆路径问题的编码方式,采用轮盘赌选择法,在交叉算子上使用部分映射交叉算,在遗传操作过程中引进具有一定爬山作用的逆转算子,有效解决了这一难题。     

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。     

基于K均值聚类和LK算法的应急物资调度

突发性事件中应急物资调度方案最优化问题是典型的车辆路径规划（VRP）问题。对于大规模的VRP问题求解,经典的启发式算法易陷入局部最优,难以得到高质量的调度方案。针对这一问题,提出了一种基于K均值聚类和LK算法的调度方法。该方法采用K均值聚类方法将需求节点分成n个子集合,对聚类结果进行修正后分配给n辆运输车辆,采用LK算法对每辆运输车辆的运输路径进行优化。仿真实验结果表明,方法获得了较好的调度方案,而且单个运输车辆服务的需求节点个数越多,方法的优势越明显。     

无线传感器网络满足QoS带宽需求 的能量最优路由方案

有效使用片上受限资源以保持最长的生命周期是无线传感器网络的核心问题.QoS路由技术解决了无线传感器网络要求支持多种业务的差别服务和全网范围的资源有效利用的问题.本文提出了一种可以满足QoS带宽需求的能量最优路由发现方法.该方法构建了节点选择模型、能量评价模型和节点能耗权重模型,使用遗传算法利用可用节点集合建立满足QoS带宽需求的能量最优路由.利用Markov链证明该算法是可收敛并且是以指数速度概率强收敛的.另外,通过实验仿真与分析,给出了本文遗传算法的控制参数的选择区间,实验显示本文提出的满足QoS带宽需求的路由发现方法对无线传感器网络具有更好的适应性和更长的网络寿命.     

需求可拆分车辆路径问题的聚类求解算法

针对传统的车辆路径问题通常假设客户的需求不能拆分,即客户的需求由一辆车满足,而实际上通过需求的拆分可使需要的车辆数更少,从而降低配送成本的问题,分析了需求可拆分的车辆路径问题的解的特征,证明了客户需求不宜拆分应满足的条件,设计了符合解的特征的聚类算法,并对其求解.通过实验仿真,将所提出的聚类算法与蚁群算法和禁忌搜索算法进行比较,所得结果表明了所提出的算法可以更有效地求得需求可拆分车辆路径问题的优化解,是解决需求可拆分车辆路径问题的有效方法.     

基于拥塞预规避控制的QoS路由选择算法研究

现有网络常用的路由算法(比如链路状态路由算法)都不具有拥塞预规避控制能力．提出了一种基于拥塞预规避控制的QoS路由算法(QRCP)．该算法对业务流量进行了更为合理的分配，避免或尽量减少对将来业务流的连接请求的影响，最终减少网络的拥塞概率．通过实验仿真，结果表明，该算法在拥塞避免与网络效益上．比现有的最宽一最短(WSP)与最短．最宽(SWP)路径算法具有明显的优越性．     

基于顾客聚类的车辆路径规划

论文针对当前顾客需求响应快速性和高效性的要求,将模糊聚类和蚁群优化算法引入其中,提出基于顾客需求聚类的车辆路径规划方法。     

带时间窗和服务顺序约束的多需求车辆路径问题

研究顾客具有多种需求,分别需要由不同类型车辆提供服务,且同一顾客多种需求的服务时间具有固定先后顺序的车辆路径问题.在考虑各个顾客需求的服务时间窗,同一顾客不同需求的服务顺序、服务时间间隔,以及各种车型的车容量及最大行驶时间等约束的前提下,以满足顾客多种需求的车辆运行成本和等待成本之和极小化为目标,建立混合整数规划模型.进一步设计求解模型的联合优化遗传算法,并利用车辆路径问题的标准测试集构造具有两种需求的测试算例,分别利用所提出的联合优化遗传算法与文献中的两阶段遗传算法进行模拟计算与分析,验证所提出算法的有效性.将经典的单一需求车辆路径问题推广到多种需求的情形,建立带约束的多需求车辆路径问题的数学模型并设计求解模型的有效算法,为解决实际问题提供了决策依据.     

随机需求车辆路径问题及其启发式算法

在对随机需求信息条件下的车辆路径问题进行策略分析基础上,提出解决此类问题的改进蚁群算法.分析对比不同策略下用蚁群算法优化的结果.其中给出机会约束下决策者的风险喜好对最终目标的影响.通过模拟实际随机需求的方法评价先验路径的优劣.与其它计算方法在同等条件下的比较证明所设计算法的优越性.同时得出对于不同统计特性的随机需求策略的选择方式.     

具有可调时间窗的动态车辆调度问题研究

提出一种新的时间窗可调整的动态车辆调度模型,设计求解该问题的算法。算法能够有效地处理预约需求和实时需求,给出时间窗的调整策略、初始路径的禁忌搜索改进策略以及实时需求的插入算法。实验计算结果表明,该算法与时间窗硬约束算法相比能够大量减少被拒绝服务的顾客数量,高效地处理实时产生的动态需求。提出的禁忌搜索算法能够显著改进初始解的质量,有效减少行驶费用,降低运输成本。     

配送中心多车辆集散货物路线的禁忌搜索研究

多车辆集散货物路线问题是客户可以同时取货和发货,而且客户发货量在路线安排前是不确定的。提出了一种改进的禁忌搜索算法,该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。     

模糊需求车辆路径问题及其启发式算法

对模糊需求信息条件下的车辆路径问题进行策略分析，提出解决此类问题的改进蚁群算法。采用多蚁群协作，修改信息素更新规则，根据收敛要求动态调整主要参数等对蚁群算法进行改进，应用该方法解决机会约束策略和可能性策略下的模糊需求车辆路径问题。实验结果证明了改进算法对优化模糊需求车辆问题非常有效。     

A QoS Based Reliable Routing Mechanism for Service Customization

Due to the rapid development of the Internet technology such as 5G/6G and artificial intelligence, more and more new network applications appear. Customers using these applications may have different individual demands and such a trend causes great challenges to the traditional integrated service and routing model. In order to satisfy the individual demands of customers, the service customization should be considered, during which the cost of Internet Service Provider (ISP) naturally increases. Hence, how to reach a balance between the customer satisfaction and the ISP profit becomes vitally important. Targeting at addressing this critical problem, this work proposes a service customization oriented reliable routing mechanism, which includes two modules, that is, the service customization module and the routing module. In particular, the former (i.e., the service customization module) is responsible for classifying services by analyzing and processing the customer’s demands. After that, the IPv6 protocol is used to implement the service customization, since it naturally supports differentiated services via the extended header fields. The latter is responsible for transforming the customized services into specific routing policies. Specifically, the Nash equilibrium based economic model is firstly introduced to make a perfect balance between the user satisfaction and the ISP profits, which could finally produce a win-win solution. After that, based on the customized service policies, an optimized grey wolf algorithm is designed to establish the routing path, during which the routing reliability is formulated and calculated. Finally, the experiments are carried out and the proposed mechanism is evaluated. The results indicate that the proposed service customization and routing mechanism improves the routing reliability, user satisfaction and ISP satisfaction by about 8.42%, 15.5% and 17.75% respectively compared with the classical open shortest path first algorithm and the function learning based algorithm.     

Internet中一种基于遗传算法的QoS路由选择策略

随着Internet上支持的多种服务类别对QoS需求的增长,高效的QoS支持显得越来越重要。路由机制是实现QoS保证的关键之一,应将路由选择与QoS相关联。文中给出了QoS路由选择问题的描述,提出了在单点投递(unicast）和多点投递（multicast）情况下,利用遗传算法（genetic algorithm）解决受多个QoS约束的路由选择策略,并对这两种情况进行了仿真,结果表明该策略是可行的和有效的。