带多软时间窗VRP及其禁忌搜索算法

分析了带多软时间窗VRP实际应用背景和特点,以使用的车辆数、行驶费用和偏离时间窗的惩罚费用为优化目标,结合车辆载重、最大路长等限制,建立该问题的数学模型,并设计求解该问题的自适应禁忌搜索算法。为增强算法的全局寻优能力,设计了多邻域结构并在算法中嵌入一种有限地接受不可行解的自适应机制。分别用文献中的算例和以Solomon标准算例为基础构建的新算例测试该算法,并将结果与其他方法进行对比分析。对比结果表明,所提出的算法性能较好,能在可接受的时间内求出运输成本更少、满意度更高的解。     

有软时窗多车场开放式车辆路径及其禁忌搜索

有软时窗约束多车场开放式车辆路径问题是在基本的车辆路径问题上增加了时间窗约束和多车场作业的一种变化形式,是一个典型的NP-难问题。建立了问题模型,运用改进的禁忌搜索算法测试了算例。快速获得的高质量解验证了模型的正确性和算法性能的优良性。     

有时间窗车辆路径问题的捕食搜索算法

有时间窗车辆路径问题是当前物流配送系统研究中的热点问题,该问题具有NP难性质。难以求得最优解或满意解,在建立有时间窗车辆路径问题数学模型的基础上。设计了一种模仿动物捕食策略的捕食搜索算法．该算法利用控制搜索空间的限制大小来实现算法的局域搜索和全局搜索,具有良好的局部集中搜索和跳出局部最优的能力．通过实例计算,并与相关启发式算法比较．取得了满意的结果．     

车辆路径问题的禁忌搜索算法研究

简要回顾了车辆路径问题的禁忌搜索算法的发展现状,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。理论分析和实验结果表明该算法比以往的算法有以下优点：拓展了搜索空间,提高了最优解的效果;是一种将问题进行空间分解的并行算法,可采用多台计算机同时运算以减少整体运行时间。     

有时间窗约束车辆路径问题的改进遗传算法

将遗传算法与禁忌搜索结合起来,设计了一种改进的遗传算法求解有时间窗约束车辆路径问题。采用启发式插入算法产生较优良的遗传操作初始种群,通过改进的逆转变异算子更多继承父代的优良性能,以提高遗传算法的计算效率。引入海明距评估遗传进化中种群的多样性。当种群多样性低到一定程度时转入禁忌搜索,以避免遗传算法早熟的缺陷,最终实现全局优化。通过算例验证了该算法的优越性。     

基于第三方带软时间窗约束的车辆路径问题研究

在分析电商企业的“自建物流+第三方物流”配送模式的基础上,对自建物流成本和第三方物流成本分别展开研究,并在自建物流成本中设计了软时间窗惩罚函数.建立了基于第三方带软时间窗约束的车辆路径模型,设计了基于自然数序列的改进遗传算法对模型进行求解,改进交叉与变异操作来保护优秀基因,提出了种群扩张机制.最后,算例结果表明模型可以有效减少物流配送成本,提高配送效率,改进遗传算法还在提高计算时间方面有显著的成效.     

带软时间窗的两阶段连锁门店配送车辆路径问题研究

针对连锁企业配送路径优化决策问题,利用分解法进行两阶段分析,建立数学模型,并引入时间窗约束。应用最小包络聚类分析方法确定供应商与配送中心的最佳位置与数量,运用禁忌搜索算法求解配送中心到门店的最佳配送路径,算例测试验证了该方法的有效性与研究的实用价值。     

求解OVRPTW的多开始禁忌搜索算法

在对带时间窗的开放式车辆路径问题描述的基础上提出求解该类问题的一种多开始禁忌搜索算法。使用扫描算法和向前插入法相结合的两阶段方法产生随机的初始解,采用一种混合的启发式算法构建邻域结构,设计全局和局部2个禁忌表加强算法的全局寻优能力。用标准的测试算例对算法进行实验,结果表明该算法得到了较好的寻优效果。     

需求可拆分车辆路径问题的禁忌搜索算法

为解决实际配送运输中的车辆路径问题（Vehicle Routing Problem,VRP）,通过改进传统的数学模型,解除每个客户需求只能由l辆车配送的约束,建立改进的可拆分车辆路径问题（Split Delivery VRP,SDVRP）数学模型,并利用禁忌搜索算法（Taboo Search Algorithm,TSA）进行求解．在TSA的设计中,根据SDVRP模型的特点对初始解、邻域搜索和解的评价等进行特殊处理．算例表明,该模型不仅可以解决VRP模型中不允许配送点需求量超出装载量的限制,而且通过相应配送点需求量的拆分和重新组合,可节省车辆数目、缩短路线长度、提高车辆装载率．     

带装载量约束的物流配送车辆路径优化研究

建立了物流配送车辆路径模型,设计了一种禁忌搜索算法,进行了多个算例测试和比较。测试表明模型的正确性,显示出禁忌搜索算法在物流配送车辆路径优化中计算时间节省、路程里程节省、总费用最小化等方面比遗传算法、模拟退火算法、蚁群算法及其混合算法具有明显的优势,能很好地适应现代物流对配送环节快速、低成本的要求。     

带时间窗的多车型需求可拆分揽收配送问题

研究了一种带时间窗的多车型需求可拆分揽收配送问题(Multi-Vehicle Split Pickup and Delivery Problem with Time Windows,MVSPDPTW).针对这个问题以执行任务车辆行驶路径总长度最小为目标函数,建立了一个混合整数线性规划模型.提出了一种高效禁忌模拟退火(T...     

蚂蚁算法在带时间窗车辆路径问题中的应用及参数分析

带时间窗的车辆路径问题是一个典型的NP-Hard问题,本文将蚂蚁算法应用于带时间窗车辆路径问题,构造了该问题的表达方法,建立了相应的算法模型,对算法参数进行了分析并提出了相应的参数改进方案。仿真实验表明,改进后的算法可以快速、有效地求解带时间窗车辆路径问题,具有较好的可行性和适用性。     

基于禁忌搜索的生化恐怖事件车辆路径问题研究

生化恐怖袭击事件是一类罕见但危害极大的突发事件。这类事件发生时,如何高效地利用有限的车辆等资源,在有限的时间内,将事发地受攻击人群尽快地送到附近的医院,并且使他们得到适当的治疗,是非常重要的。根据日本的沙林毒气事件和‘9.11’后炭疽事件等恐怖事件的经验教训,结合我国都市的特点,建立了针对生化恐怖突发事件中一特定场景的随机VRP模型,拟在"黄金救助时间"内将受害者送往各医院。基于禁忌搜索算法来求解该模型,并将该模型及算法集成到应急决策支持系统中,以算例进行仿真分析和比较,验证了模型的合理有效性,并说明了算法的应用性。     

基于启发式带时间窗的车辆路径规划问题求解

车辆路径规划问题广泛地存在于现代物流行业中,该问题属于NP难的组合优化问题.随着客户需求的多样化、道路限行等因素的影响,该问题变得更加的复杂,采用传统的组合优化方法和运筹学方法往往难以求解.本文对一类常见的带时间窗的车辆路径规划问题进行了研究,根据时间窗参数来调整客户的优先级,以减少车辆的等待时间,由此改进了几个常见的启发式算法,并对56个常见的车辆路径规划问题进行了测试,实验结果表明,改进的节约算法在带容量约束的车辆路径问题中效果较好,改进的插入法则在带时间窗的车辆路径问题中具有优越性,另外,改进的启发式算法在4个测试用例上使用更多车辆时可使总路程优于已知最优值.     

分批配送的有时间窗车辆路径问题的遗传算法

给出了分批配送的有时问窗车辆路径问题（BVRPTM）的数学模型。通过引入改进的路径可行化方法和MRC交叉算于，构造了一种适于求解BVRPTM的遗传算法。实验结果表明，该算法能有效地解决BVRPTM，并取得了较好的优化结果。     

有时间窗的开放式车辆路径问题及其遗传算法

针对物流配送中的开放式车辆路径问题提出了OVRP的处理方法,并且根据容量和时间窗约束的特点设计了GA算法,设计了动态染色体,采用改进的交叉变异过程,利用随机参数的波动来协调容量约束和时间窗约束,并且加入了内部和外部扰动操作来跳出局部收敛点。通过试验,表明用GA在优化有容量和时间窗约束的OVRP的有效性。     

有时间窗物流配送车路由问题的改进遗传算法

给出了有时间窗物流配送车路由问题的数学模型．通过引入新颖交叉算子RC，构造了一种改进的遗传算法．实验结果表明．该算法在解决有时间窗的物流配送车路由问题时，比PMX及RC算子具有更优的性能，在满足所有需求点的前提下达到各评价指标的综合最优，是求解配送车路由问题的一个较好方案．     

基于遗传算法的集送一体化的车辆路径问题

有时间窗的集送货一体化的车辆路径问题(VRPPDTW)是对经典的车辆路径问题(VRP)的扩展,是一类重要的组合优化问题,但是目前对该问题的研究非常有限。论文采用了新的染色体编码方法,设计了遗传算法对该问题进行求解。在求解过程中,对集送一体化、多种配送车辆类型的问题进行了有效处理,同时考虑了车辆载重量和时间窗等约束。最后的实验结果表明,该算法可以求得这类车辆路径问题的最优解或次优解。     

求解带时间窗车辆路径问题的混合蚁群优化算法

为求解带时间窗车辆路径问题,提出一种混合蚁群优化算法,利用两个隔离的种群同时进化的方式,有效避免了两种算法的缺点,种群Ⅰ应用蚁群算法可以丰富解得多样性,种群Ⅱ则应用粒子群算法来强化进化过程.种群Ⅰ通过局部搜索、复制、重组和选择等操作来保持种群广泛搜索的能力,种群Ⅱ则依靠复制、局部优化、交叉和选择等操作以快速获得高质量解并经常更新得到的解.对100个基准问题进行仿真测试,实验结果表明,与其他算法相比,利用蚁群粒子群混合优化算法能够快速有效地获得近似最优解.