有时间窗物流配送路径优化问题的并购算法

通过对市场资源优化配置中市场行为的了解,提取企业在市场中的行为之一并购行为的精华,并简化并购行为的模型。根据计算得到的企业劣信度,企业间进行合理的并购和重组,也是对市场资源再整合,使资源得到充分的优化配置,进而提高整体企业的市场竞争力。在建立有时间窗物流配送路径优化问题的数学模型基础上,构造有时间窗物流配送路径优化的并购算法模型。该模型包含编码、初始化、预处理、劣信度评估、并购操作、重组操作以及选择操作等七个模块。在Solomon数据集上进行多次实验,并与目前实验已经获得的最优解做比较,获取有时间窗物流配送路径优化问题的最优解或近似最优解。     

蚁群算法在物流配送路径优化中的研究

研究物流配送路径优化问题,提高物流服务质量.针对快速准确送货,传统方法在物流配送路径优化过程,存在搜索时间长,得不到全局最优解,导致物流配送效率低的难题.为了提高物流配送路径优化效率,提出一种蚁群算法的物流配送路径优化算法.该算法首先建立优化物流配送路径的数学模型,然后采用蚁群算法对数学模型进行求解.仿真结果表明,蚁群算法具有较强的全局寻优能力,搜索速快,能够在最短时间找到流配送路径的最优解,是解决物流配送路径优化问题的有效算法.     

混合算法在车辆路径优化问题中的应用

研究车辆路径优化问题,物流配送不仅要求配送及时,而且要求运输成本低,且路径最优。车辆路径优化是解决物流配送效率的关键,传统优化方法寻优效率低,耗时长,难以得到车辆路径最优解,导致物流配送成本过高。为了提高车辆路径寻优效率,降低物流配送成本,提出一种混合算法的车辆路径优化方法。首先建立车辆路径优化数学模型,然后用遗传算法快速找到问题可行解,再将可行解转换成蚁群算法的初始信息素,最后采用蚁群算法从可行解中找到最优车辆路径。仿真结果表明,混合方法提高车辆路径寻优效率,有效地降低物流配送成本。     

禁忌结合遗传结果对配送路径优化的应用研究

在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的混合算法,并进行了实验计算.计算结果表明,用混合算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解,结果稳定性高.     

两阶段式的物流配送路径优化方法

根据组合优化理论,充分利用遗传算法、蚁群算法的优化点,提出了一种两阶段式的物流配送路径优化方法(GA-ACO)。利用遗传算法迅速找到物流配送路径优化问题的初始解,初始解生成蚁群算法的初始信息素分布,通过蚁群算法找到物流配送路径的最优方案。采用实例对GA-ACO的性能进行测试,测试结果表明,GA-ACO可以获得较好的物流配送路径优化方案,是一种高效率、鲁棒性好的物流配送路径优化问题求解方法。     

物流配送车辆路径优化问题的仿真研究

研究物流配送车辆路径优化问题,由于物流行业要求货物及时配送,又要降低物流运输成本.物流配送车辆路径选择是重点解决的问题,传统优化方法搜索时间长,难以找到最优路径,造成物流配送成本高.为了降低物流配送成本,提高车辆路径优化效率,提出一种蚁群算法的物流配送车辆路径优化算法.首先对物流配送车辆路径问题进行分析,然后建立相应的数学模型,最后采用蚁群算法对车辆路径问题的数学模型进行求解.通过具体实例对算法进行实验,实验结果表明,蚁群算法提高寻优效果,找到的物流配送车辆路径的最优解短于其它算法,降低物流配送成本,并为物流配送车辆路径选择提供了一种有效算法.     

粒子群和蛙跳的混合算法求解车辆路径问题

提出一种求解物流配送车辆路径问题的改进粒子群算法。新算法采用粒子群算法产生阶段最优解,利用蛙跳算法对阶段最优解进一步优化。实验表明,此算法是解决车辆路径问题的一个有效算法。     

物流配送路径优化问题求解的量子蚁群算法

物流配送路径优化是一类实用价值很高的NP完全难题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种量子蚁群算法的物流配送路径优化方法（QACA）。在物流配送路径优化问题分析的基础上建立相应的数学模型,通过量子蚁群算法对其进行求解,对各路径上的信息素进行量子比特编码,采用量子旋转门及最优路径对信息素进行更新,对QACA的性能进行仿真测试。仿真结果表明,QACA具有较强的全局搜索能力和收敛速度,可以有效解决物流配送路径问题。     

基于自适应免疫遗传算法的VRP问题的研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,当问题规模较大,很难得到问题的最优解和满意解。应用遗传算法是被认为求解NP难题的有效手段之一,文中在求解物流配送车辆路径优化问题时,在传统遗传算法的基础上,加入自适应算子,并引入了免疫算法的思想,实验结果表明该算法具有更好的全局和局部搜索能力和收敛速度,可有效地解决物流配送车辆路径优化问题。     

基于自适应免疫遗传算法的VRP问题的研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,当问题规模较大,很难得到问题的最优解和满意解。应用遗传算法是被认为求解NP难题的有效手段之一,文中在求解物流配送车辆路径优化问题时,在传统遗传算法的基础上,加入自适应算子,并引入了免疫算法的思想,实验结果表明该算法具有更好的全局和局部搜索能力和收敛速度,可有效地解决物流配送车辆路径优化问题。     

基于遗传算法的物流配送路径优化问题的研究

建立优化物流配送路径的数学模型,然后构造求解该问题的遗传算法。进行多次实验和计算,证明用遗传算法优化物流配送路径,可以有效地求得问题的最优解或近似最优解。     

基于遗传算法的物流配送路径优化问题研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大。在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法。该遗传算法采用常用的二进制编码,在个体选择上结合使用最优个体保留策略和轮盘赌法。最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解。     

沿河发展型城市物流配送路径的优化模型及算法

针对沿河发展型城市物流配送路径的优化问题,建立相应的数学模型,并在传统物流配送路径优化问题的经典算法——遗传算法的基础上,提出了一种新算法。该算法通过设计一种选择性部分匹配交叉算子和选择性倒置变异算子,加快了最优解的搜索速度,从而更快地求得最短回路,再结合沿河发展型城市的实际地理环境,得到符合实际的物流配送最优路径。通过实例和仿真分析,表明了算法的有效性和优越性。     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

混合遗传算法在路径选择问题的应用

本文建立单配送中心的物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将禁忌搜索启发式与遗传算法相结合,并在编码时引入虚拟配送点,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了试验计算。计算结果表明该算法是很有效的。     

Complexity and design of QoS routing algorithms in wireless mesh networks

Quality of service (QoS) provisioning in wireless mesh networks (WMNs) is an open issue to support emerging multimedia services. In this paper, we study the problem of QoS provisioning in terms of end-to-end bandwidth allocation in WMNs. It is challenging due to interferences in the networks. We consider widely used interference models and show that except a few special cases, the problem of finding a feasible path is NP-complete under the models. We propose a k-shortest path based algorithmic framework to solve this problem. We also consider the problem of optimizing network performance by on-line dynamic routing, and adapt commonly used conventional QoS routing metrics to be used in WMNs. We find the optimal solutions for these problems through formulating them as optimization models. A model is developed to check the existence of a feasible path and another to find the optimal path for a demand; moreover, an on-line optimal QoS routing algorithm is developed. Comparing the algorithms implemented by the proposed framework with the optimization models shows that our solution can find existing feasible paths with high probability, efficiently optimizes path lengths, and has a comparable performance to the optimal QoS routing algorithm. Furthermore, our results show that contrary to wireline networks, minimizing resource consumption should be preferred over load distribution even in lightly loaded WMNs.     

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。     

Probability based dynamic-alternate routing and the corresponding converter placement algorithm in all-optical WDM networks

This paper proposes a new dynamic-alternate routing algorithm and its corresponding converter placement algorithm in order to reduce the connection blocking probability for all-optical WDM networks. The main idea in the proposed dynamic-alternate routing algorithm is to try to route the traffics according to a predefined optimal probability distribution. The problem for finding the optimal probability distribution was shown as a convex optimization problem. The problem can be solved by flow deviation method or other standard optimization techniques. Simulation results show that the proposed routing algorithm yields lower connection blocking probabilities than the previous works. The proposed routing algorithm produces similar traffic pattern as the optimal traffic pattern. The similarity between the traffic pattern produced by the proposed dynamic-alternate routing algorithm and the optimal traffic pattern can be further employed for solving other network designing problems such as converter placement problem. Since the optimal traffic pattern can be easily predicted, the optimal traffic pattern which minimizes the blocked traffic intensity is utilized for finding the locations of wavelength converters. The key idea is to place the wavelength converters at the nodes where they are needed most. Simulations have been performed to study the performance of the proposed wavelength converter placement method. The simulation results have shown that the proposed placement method combined with the proposed probability based dynamic-alternate routing algorithm yields smaller connection blocking probability than the two converter placement methods with their corresponding alternate routing algorithms.