动态环境下有时间窗的成套配送车辆路径问题

为解决成套配送车辆路径优化问题,针对配送线路动态变化的特点进行行程时间分析,根据服务时间窗设计满意度函数,在基本VRP模型中增加满意度目标,建立动态环境下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计禁忌搜索算法求解,对已产生的路径进行优化调整;仿真计算验证了模型和算法的有效性与研究的实用价值。     

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。     

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.     

大学城体育资源优化整合仿真研究

针对提高大学城体育资源合理使用的优化程度,为均衡分配资源,将蚁群算法和禁忌搜索算法相结合,提出了一种新的资源优化分配算法.将问题空间描述为一种互约束的六元组数学模型,并且设置求解的目标函数为各约束条件的加权和,然后通过禁忌搜索算法进行优化分配.算法初始时,利用蚁群算法迭代优化禁忌搜索的初始解,提高了算法的收敛速度;当系统迭代未能显著改善当前解时,采用保留5%的优秀种子策略,并强迫箅法进行第二轮优化以提高获得解的成功率.通过求解成功率、执行时间以及对成功解的模糊综合评判对算法结果进行实验分析,仿真结果表明,相对于传统禁忌搜索算法不仅提高了资源整合优化的成功率,同时提高了成功解的实际应用质量.     

面向全局搜索的自适应领导者樽海鞘群算法

针对实际配送过程中客户需求、车辆服务时间随机可变,提出带软时间窗的随机需求和随机服务时间的车辆路径问题.以配送车辆行驶路径为研究对象,建立基于配送成本、时间惩罚成本、修正成本的配送车辆路径优化模型,并提出一种混合禁忌搜索算法.该算法将最近邻算法和禁忌搜索算法相结合,将时间窗宽度及距离作为最近邻算法中节点选择标准;并对禁忌搜索算法中禁忌长度等构成要素进行自适应调整,引入自适应惩罚系数.实验结果表明,改进后的混合禁忌搜索算法具有较强的寻优能力、较高的鲁棒性,同时算法所得车辆行驶路径受客户需求变动影响较小.     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

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.     

成组加工中有主从调整时间的最大延迟问题

针对钢管生产过程具有多产品和主从调整时间特性的实际批组调度问题,以最小化工件的最大延迟为目标函数,建立了问题的0-1混合整数规划模型;进而分析了问题的优化特性,提出了基于优化特性的禁忌搜索算法.仿真结果表明该算法是可行而有效的.     

多帧时间窗轮换算法规划仓储多AGV小车路径

针对在仓储环境中多AGV小车的路径规划问题,提出一种基于多帧时间窗轮换算法。所提算法运用A*寻路算法进行全局路径规划,得到多AGV小车的初始路径离散点的集合。通过在仓储环境岔路口设置多帧时间窗切换阈值,将小车的全局路径点集离散成多帧小窗体,在每个小窗体建立凸集特征最优目标障碍函数,引入小车的运动学约束和防碰撞最优超平面约束,将小车的各种约束参数化为多项式B样条曲线形式,采用牛顿迭代融合回溯直线法更新步长,解决下一帧时间窗多项式B样条曲线控制点的更新问题。最后通过实验测试表明,在满足所有约束的情况下实现多AGV小车的路径规划。     

成组加工中有主从调整时间的最大延迟问题

针对钢管生产过程具有多产品和主从调整时间特性的实际批组调度问题，以最小化工件的最大延迟为目标函数，建立了问题的0－1混合整数规划模型，进而分析了问题的优化特性，提出了基于优化特性的禁忌搜索算法，仿真结果表明该算法是可行而有效的。     

面向冷链物流配送路径优化的知识型蚁群算法

生鲜电商、冷链宅配的盛行使冷链物流订单呈现出"小批量、多批次、易腐坏"的特点,进一步增大了城市冷链物流配送路径优化的必要性与难度.鉴于此,同时考虑顾客满意度和道路拥堵状况,构建最小化总成本的冷链车辆路径优化数学模型.为求解该问题,将知识型精英策略下的禁忌搜索算子和动态概率选择的知识模型融入蚁群算法,设计一种新的知识型蚁群算法.通过对模拟实例和真实实例进行仿真实验,对传统蚁群算法、基于禁忌搜索改进的蚁群算法与所提出的知识型蚁群算法进行对比分析,验证了所构模型和知识型蚁群算法的有效性.     

A tabu search algorithm for the routing and capacity assignment problem in computer networks

A tabu search metaheuristic algorithm for a classical routing and capacity assignment (CFA) problem in computer networks is presented in this paper. Computational experiments across a variety of networks are reported. The results show that the proposed tabu search algorithm is both effective and efficient in finding good solutions of the CFA problem compared with the traditional Lagrangean relaxation and subgradient optimization technique. Extensive tests are made in order to choose the best values of the parameters for tabu search algorithm.     

NSGA-II算法的改进及其在应急管理中的应用

泥石流等突发自然灾害造成的人员伤亡和经济损失十分巨大,因此应急中心选址问题是应急救援方案中的核心环节。以救济物资效用、受灾区域满意度以及临时物资点数目为决策函数,建立多目标动态选址模型,提出了一种改进的非支配遗传排序算法（NSGA-II-TS）,该算法在精英策略上引入禁忌搜索的思想,从而实现了局部和全局搜索能力同时达到较优的结果,同时保留其解集的多样性和均匀性。数值算例结果表明该算法在物资效用、临时物资点个数、受灾区域满意度上比传统算法NSGA-II、MOEA/D更为合理。NSGA-II-TS算法在突发性灾害危机的应急管理以及其他保障体系建设问题中具有较高的应用价值。     

A Stochastic Vehicle Routing Problem with Travel Time Uncertainty: Trade-Off Between Cost and Customer Service

On-time shipment delivery is critical for just-in-time production and quick response logistics. Due to uncertainties in travel and service times, on-time arrival probability of vehicles at customer locations can not be ensured. Therefore, on-time shipment delivery is a challenging job for carriers in congested road networks. In this paper, such on-time shipment delivery problems are formulated as a stochastic vehicle routing problem with soft time windows under travel and service time uncertainties. A new stochastic programming model is proposed to minimize carrier’s total cost, while guaranteeing a minimum on-time arrival probability at each customer location. The aim of this model is to find a good trade-off between carrier’s total cost and customer service level. To solve the proposed model, an iterated tabu search heuristic algorithm was developed, incorporating a route reduction mechanism. A discrete approximation method is proposed for generating arrival time distributions of vehicles in the presence of time windows. Several numerical examples were conducted to demonstrate the applicability of the proposed model and solution algorithm.     

求解可重入并行机调度的混合禁忌搜索算法

为解决带有一台远程服务设备的可重入并行机调度问题,设计了一种混合禁忌搜索算法。针对传统禁忌搜索算法只从单起始点搜索、容易陷入局部最优等缺点,混合禁忌搜索算法设计了一种Restart策略。当传统禁忌搜索算法陷入局部最优时,用Restart策略重新产生初始解以进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索。数值实验中将混合禁忌搜索算法与启发式算法CS相比,结果表明该算法具有较高的求解质量,且其计算时间是可接受的。     

基于时空聚类求解带容积约束的选址-路径问题

选址-路径问题是供应链管理和物流系统规划中的一个重要问题,对总成本具有十分重要的影响.对考虑配送中心容积约束的带时间窗的选址-路径问题进行研究,建立以总成本最小和客户满意度最大为目标的多目标规划模型,提出两阶段算法对其进行求解.首先,利用k-means聚类算法确定配送中心选址;然后,提出一种基于时间-空间双因素的客户划分方法以确定配送中心所服务客户;最后,利用粒子群算法对各配送中心的配送路径进行规划.数值算例表明,所提出的算法较其他已有算法,均能有效地降低物流运作总成本及总配送路径长度,为解决带容积约束及时间窗的选址-路径问题提供了一种新的解决思路.     

预制构件并行生产线资源配置与生产调度集成优化

并行生产线和特定工序生产资源共享模式可以显著改善客户满意度并节约成本.针对预制构件并行生产线资源配置与生产调度集成优化问题,基于分解策略和交替迭代优化思想,提出一种交替式混合果蝇-禁忌搜索算法(AHFOA＿TS)以最小化拖期惩罚费用.首先,通过快速启发式方法产生一较好初始解;然后,固定资源配置方案,为提高算法局部搜索能力,通过集成多种局部搜索方式,设计一种离散果蝇优化算法优化订单指派及调度方案;最后,固定订单指派及调度方案,为减少无效搜索次数,设计一种基于双层变异算子和精英劣解交叉策略的混合禁忌搜索算法以优化资源配置方案,如此两个阶段交替运行直至满足终止条件.此外,设计4种基于交替搜索框架的智能优化算法用于比较.计算结果表明, AHFOA＿TS算法能够更有效求解预制构件生产线资源配置和生产调度集成优化问题.     

基于协同自适应禁忌的多时窗VRP算法实现

针对多时窗VRP,提出了一种对其进行求解的协同禁忌优化算法。首先定义了多时窗VRP的数学模型,通过C-W算法求初始解,采用四种算子进行邻域搜索,定义目标函数衡量候选解好坏;设计了自适应地修改禁忌长度的方法和多个子禁忌算法进行协同寻优的算法;将协同寻优获得的最好最优解作为主禁忌算法初始解进行全局寻优。仿真实验证明,该方法能有效地解决多时间窗的VRP,且与其他方法相比,以较少的迭代次数获得了全局最优解为386.38,具有较大的优越性。