集装箱码头作业调度双层规划模型及求解算法

为提高作业调度的整体性,建立了集装箱码头作业调度双层规划模型,其中上层为装卸桥调度优化模型,下层为集卡动态路径模型,通过上下层模型间的反馈与相互作用决定集装箱码头作业调度的整体优化方案．为了求解模型,设计了基于遗传算法的求解方法,并且应用实际算例对模型和算法的有效性进行了验证．计算结果表明双层规划模型与算法不但可以降低集卡空驶距离、减少所需集卡数量,而且可以缓解码头内交通拥挤、提高作业系统的可靠性．     

智能蚁群算法解决公交区域调度问题研究

针对多条运营线路的公交区域调度问题，给出了人员调度问题的改进模型，模型的目标是在满足工作时间、跨度时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小。论文对已有蚁群算法解决车辆路径优化问题的算法进行了改进。对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过仿真，对模型的正确性进行了验证。证明了改进蚁群算法解决公交调度问题的高效性和较强的适用性。     

智能蚁群算法解决公交区域调度问题研究

针对多条运营线路的公交区域调度问题，给出了人员调度问题的改进模型，模型的目标是在满足工作时间、跨度时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小。论文对已有蚁群算法解决车辆路径优化问题的算法进行了改进。对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过仿真，对模型的正确性进行了验证。证明了改进蚁群算法解决公交调度问题的高效性和较强的适用性。     

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.     

工艺规划与调度集成优化模型与算法研究

针对生产经营活动中存在的工艺规划与调度集成问题,本文利用AND/OR网络图描述可选工艺,以最小化加工周期为目标,构建了工艺规划和调度集成优化模型,并采用遗传算法和启发式算法相结合的方式对模型求解,同时对经典算例进行仿真实验。仿真结果表明,本文提出的数学模型及算法可以较好地解决IPPS问题,虽然在个别测试问题中,模型并没有得到比GATS更好的结果,但总体好于SEA,并且在工件个数增多的情况下,模型要优于GATS。该研究有效保证了生产资源的合理分配,提高了企业市场竞争力。     

基于遗传算法-多智能体的FMS刀具在线调度

为了解决静态调度和传统动态调度的缺点,提出一种基于多智能体的FMS刀具调度管理模型,进行刀具分配和回收的智能管理。文章定义模型智能体之间的交互逻辑,以刀具交换次数最小化为目标,建立刀具动态调度的数学模型,并针对该模型,设计相应的遗传算法。通过一个特定的刀具调度问题的优化,结果表明该遗传算法优化结果好于一般的启发式算法,消耗时间远低于隐枚举法,是多智能体调度模型理想的动态调度算法。     

城市配送车辆调度模型及算法设计

在分析城市货物配送和车辆调度特点的基础上,建立了追求总体效益最优的车辆调度多目标决策模型,并设计分派-节约启发式算法求解该模型。通过分派启发式算法保证最大程度地满足客户的要求,再利用节约算法保证了全局最优。最后对初始解进行局部和整体优化调整以得到较优解。基于该算法设计并开发了城市配送车辆调度系统,运行结果表明:该算法能够有效地解决城市配送的客户满意、总成本最低、配送车辆空载率最小的多目标决策问题。     

电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

智能公共交通系统动态调度模型研究

分析了影响车辆正常行驶的主要因素以及恢复车辆运营的调度方法,建立了一种动态调度的模型．模型的思路是将延误到达的车辆在线路始发站不停车发出,中途站点载客,目的是减少车辆停车时间,恢复线路车辆的正常车头时距,避免车厢内由于大间隔造成的拥挤现象．利用哈尔滨市公交92线数据进行模型检验,采用高峰时间段车辆延误数据,分别对1辆车和2辆车延误进行调度调整,结果表明,该调度方法有效地减少了乘客等车时间,为车辆间距控制系统提供了有效的模型．     

用节约法解带有时间窗的车辆调度问题

车辆调度问题是物流配送系统的重要问题,对于提高物流配送系统的效率和效益有重要影响.建立带有时间窗的非满载车辆优化调度的数学模型,并利用节约算法对带时间窗的非满载车辆调度问题模型进行研究,并应用此算法对带有时间窗的车辆调度问题进行仿真,得到最优解,证明此算法的优越性.     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

不确定信息的物流配送实时车辆优化调度策略

通过分析物流配送不确定因素,运用GPS／GIS／GSM信息技术和构造性算法,把物流配送问题分成静态问题和动态问题来考虑。在已经得到静态调度解的基础上,分析实际可能发生的需求、交通和车辆变化等不确定因素,运用最近插入法、Dijstra算法,提出了解决物流配送过程中不确定性信息的车辆优化调度策略。     

高速公路出入口选址双层规划模型研究

针对高速公路出入口选址,建立了双层规划模型.上层规划以高速公路出入口的用地和建设成本、改进交通网络的成本和区域内的出行成本最小为目标函数,下层规划考虑了交通网络车辆弹性需求用户均衡配流.最后设计了一个迭代优化算法对模型进行求解.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。