有时间窗约束的多车场车辆路径问题的改进遗传算法

在给出有时间窗约束的多车场车辆路径问题（MDVRPTW）的数学模型基础上，引入一种新的编码方式，并对RC交叉算子进行修正，构造出一种改进的遗传算法，实验证明能够有效地解决MDVRPTW的优化问题。     

软时间窗约束的车辆路径问题研究

物流是企业的第三利润源泉,自从人们意识到物流的这一重要性之后,物流行业间的竞争也变得日益激烈起来.合理组织车辆的运输,有助于车辆在运输过程中缩短运输时间、缩小运输距离、提高运输效率,从而达到降低成本、增加利润的目的.本文对软时间窗车辆路径问题的研究正是为了帮助物流企业达到这一目的,通过运用改进的遗传算法对建立的模型进行求解,最后用实例对算法结果进行对比,证明了本文的建模和求解是合理和有效的.     

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．     

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.     

遗传算法在有时间窗车辆路径问题上的应用

应用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ－ＧＡ）求解有时间窗车辆路径问题，获得其近优解或最优解，使用一种直观的编码方法，提出基于优先关系的交叉算子，实验表明，这种ＧＡ能够有效地解决复杂的优化问题。     

基于改进免疫算法的带模糊需求车辆调度问题

通过引用一种新的编码方法、交叉和变异概率的自适应机制,构造了一个改进的免疫算法,并对算法的交叉操作加以改进,成功地将这种算法应用于带模糊需求的物流配送车辆调度的求解过程中,将求解结果与遗传算法比较,结果表明,该算法可以较好地求解VSPFD问题.     

绿色车辆路径问题的改进拉格朗日松弛算法

针对绿色带容量的车辆路径问题(Green Capacitated Vehicle Routing Problem, GCVRP),建立了以最小化总运费为优化目标的混合整数规划(Mixed Integer Programming,MIP)模型,并提出一种改进拉格朗日松弛算法(Improved Lagrange Relaxation Algorithm, ILRA)进行求解。首先,通过拉格朗日松弛技术得到原问题的对偶问题,并运用次梯度法求解对偶问题获得原问题的下界;然后针对下界设计修复算法和邻域搜索算法获得原问题的上界,进而更新乘子迭代求解;最后进行仿真实验,实验结果表明：在相同实验环境下对19个不同规模算例进行10次测试,ILRA求取MIP的上下界平均间隙为7.61%,而Gurobi求解器求取的平均间隙为15.47%。可见,相较于Gurobi求解器,ILRA能够高效获得GCVRP的高质量解。     

基于改进蚁群算法的有时间窗车辆路径优化

针对物流配送中的有时间窗车辆路径问题（VRPTW）,提高优化性能,提出了一种改进的最大最小蚁群算法,并引入了局部搜索策略2-opt．在客户数目给定的情况下,本算法能够得到所求VRPTW的全局较优解,与基本蚁群算法和未改进的最大最小蚁群算法比较,具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的路径优化问题中．实验结果表明,本算法对于求解VRPTW效果很明显．     

一种改进的整数编码遗传算法在车辆路径优化问题中的应用

针对基于路径组合编码的遗传算法应用于求解VRP问题时，顺序交叉算子局部寻优能力不足的缺陷，引入一种进化逆转算子，改进了遗传算法求解VRP问题时的局部搜索能力。设计的两组仿真试验结果显示，进化逆转算子的局部寻优能力很强，用它改进的遗传算法求解VRP问题的结果表明，算法的收敛性明显好于标准遗传算法。     

基于免疫遗传算法的设备布局问题研究

针对免疫遗传算法中存在的问题,提出了一种改进免疫遗传算法。改进算法的主要特点是简化了种群个体的选择机制,采用了新的亲和力组合计算的方法。通过单行与多行机器布局的实验验证了新算法,得到了满意的效果。同时,纠正了相关文献中设备可用空间计算中的错误,简化了机器净间距序列调整方法。     

基于改进遗传算法的物流配送路线优化研究

在分析车辆路径问题(VRP)现有启发式算法的基础上，建立了考虑路线安排的物流配送方案模型，并提出了求解该问题的一种改进遗传算法(IGA)。方法的核心在于针对遗传算法的局部搜索能力的不足，在选择、交叉、变异等遗传操作之后，引入逆转换位算子，根据适应度是否增加，对新产生的染色体进行多次逆转操作。应用C语言编程进行模拟计算，结果表明该改进遗传算法明显增强了群体演化的质量，提高了算法收敛速度，较好地解决了“早熟收敛”问题。     

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。     

基于分层遗传算法的车辆路由和调度研究

为了能在当今激烈竞争的市场中生存,物流活动需要细心规划以满足商务和顾客的所有需求.车辆路由和调度问题一直被广泛的研究以满足各种行业的特殊的需求.考虑配送与安装分离特点下车辆路径问题.利用混合整数非线性规划（MINP）模型求解送货和安装时车辆运行的最少时间.提出分层遗传算法对各种大小问题实施求解.计算结果表明分层遗传算法的有效性,也对分层遗传算法和MINP模型两者的性能进行了比较.     

CARP问题混代并行遗传算法的研究

遗传算法因为具有直接对结构对象进行操作、具有内在的隐并行性和更好的全局寻优能力、自适应地调整搜索方向等优点,已被人们广泛地应用于组合优化、函数优化、机器人学、信号处理等领域.但是随着传统遗传算法暴露出来的收敛速度慢且具有最优值无趣的缺陷等缺点,并行遗传算法得到了广泛的研究与发展.本文在现有CARP遗传算法基础上进行并行性改进,提出并实现全新的并行遗传算法——混代并行遗传算法（MGPGA算法）,理论分析及实验结果表明：并行遗传算法较非并行遗传算法有更快的求解速度,混代并行遗传算法可行且更有效.