多受灾点应急救援车辆调度的优化遗传算法

在多个地区发生灾害后,迫切需要及时救援和物资的快速运输,从仓库调拨物资到受灾点,交通网络规模较大,运输货物类型多样,并且要满足各个受灾点的资源需求、实时路况、运抵时限要求等多个目标约束条件,车辆调度具有较大难度.为解决多重约束带来的困难,根据遗传算法的生物进化理论和群体遗传学机制,建立了车辆应急运输的多目标优化问题模型,设计合适的序列编码方式表示车辆行进路线及运输货物类型;建立了新的优化遗传算法,从编码方式的设计、适应度函数、选择、交叉和变异操作机制的设计三个方面做了创新改进,主动保持优良基因,根据阶段进展调节交叉和变异概率,有效提高好的新模式的产生几率,较好地克服了已有方法的早熟局部收敛所导致的结果偏差较大的不足.多个仿真实验结果表明,优化遗传算法比已有算法在满足送达时限以及送达时间的总长度等方面均有较大提高,对于复杂的调度任务,在保证运抵时限的前提下,可占用更少的车辆,花费更少的行进时间完成物资运输,从而满足多受灾点对物资的实时性需求.     

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。     

应急物资配送车辆调度模型与优化综述

抢险救灾行动的有效规划和调度在挽救人民群众生命和减轻财产损失中起着重要作用,利用数学建模方法和计算机仿真技术,辅助决策者完成应急物资配送车辆调度已成为学术界的共识。围绕模型和优化两个关键点,分析了近年来应急物资配送车辆调度的研究现状,归纳出了应急物资配送车辆调度模型的主要优化目标和影响因素,对比分析了多种优化算法的应用效果,提出了现有研究中存在的问题,最后研讨了应急物资配送车辆调度研究的发展趋势。     

城市救援物资应急调度管理

我国每年因突发公共事件造成的损失惊人,如何及时准确的进行救援物资发放,对塑造新型和谐社会关系具有现实意义和长期的战略性意义。本文在对现有的应急物资调度进行实际调研的基础上,提出了在救援物资接收、运输和发放等环节通过信息系统支撑平台进行统一调度管理的对策及建议。     

聚类分析的遗传算法在应急调度中的应用

应急物流在国计民生中发挥了至关重要的作用,加强应急物流建设的重要性凸显.研究了基于多车场车辆调度模型的应急调度问题.通过聚类分析的启发式算法,将多站点VRP问题转换为单一站点的VRP问题,再针对单一站点进行遗传算法的编码以及选择算子的选取,从而得到最终近似优化解.最后通过实例计算证明了该方法解决MDVRP问题的实用可行性和科学有效性.     

应急物流配送车辆调度的遗传算法求解

在应急物流中,合理的车辆调度优化可以极大地节约物流成本。本文结合实际情况,对应急物流车辆调度问题的特点进行了分析,构建了一般性非满载应急物流车辆调度优化的数学模型,并采用智能优化算法中的遗传算法该问题进行求解。仿真结果表明,该算法是可行和有效的。     

基于蚁群算法的应急物资调度系统的研究与开发

近年来,随着工业化及城市化进程的加剧,各种大规模自然灾害、公共卫生事件正越来越频繁地侵袭着我们生存的世界。该文以蚁群算法(Ant Colony Optimization,ACO)和应急物资调度系统相结合,创造一个高效的紧急救援系统。系统主要有物资模块管理,城市信息管理,配送车辆管理,紧急呼救等功能。系统采用模块化设计,采用轻量级企业框架(struts2+spring3+hibernate3)开发,具有结构清晰,易于扩展的优点。     

基于遗传算法的汽车调度问题研究

汽车调度问题长久以来属于NP类型的问题,一直没有达到一个最优解的状态,由于汽车调度问题牵扯到汽车的载重量,所属地,载货类型等等,考虑众多因素,很难有一个或一组数学公式进行计算,本文基于考虑汽车运送成本和最短路径,以每条属性为单个染色体,进行交叉以及变异,达到最终的优化,本试验运用Matlab的模拟仿真和遗传算法的数据功能包进行单个染色体的优化,求出一组最优解。     

基于协同差分进化的多出救点应急物资调度

主要利用差分进化算法来研究时间约束下的多出救点应急物资调度优化问题。针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,提出一个并行协同差分进化算法,将该算法应用于时间约束下的多出救点应急物资调度优化,建立相应的数学模型,在此基础上设计相应的算法。实例验证表明,同遗传算法、标准差分进化算法相比,该算法在解决具有时间约束的多出救点应急物资调度优化问题方面具有较快的搜索速度和较好的寻优能力。     

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法. SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

基于萤火虫算法的应急救援车辆调度

针对突发灾害事件情景下交通路网容量限定的特点,引用BRP路阻函数求解各路段车辆行驶时间,建立救援路径最短和车辆行驶时间最短双目标车辆调度模型;设计改进离散的萤火虫算法,构建算例对模型求解,求解结果与遗传算法的求解结果进行对比,验证了该算法的可行性和能更好的满足应急救援车辆调度的需要.     

基于蚁群算法的粮食应急调度问题研究

为解决粮食应急调度问题,建立一个适合多应急点、多出救点的多目标优化模型。将“应急开始时间最早”和“出救点数目最少”作为优化目标,考虑每个应急点的紧急重要程度和粮食自身的消耗特点,引入相应因子。应用蚁群算法对模型进行求解,给出算法求解的具体步骤。数值算例表明,该模型可提高粮食的应急调度效率。     

基于鲸鱼群优化算法的带Sigmoid满意度应急车辆调度问题

针对突发大规模灾害事件下受灾点严重程度不同的特点,引入Sigmoid时间满意函数评价救援效果,建立平均时间满意度最大与救援路径最短双目标调度模型.设计了基于混沌序列搜索算子的混沌鲸鱼群算法,通过构建三组不同规模的实验案例对模型进行求解,并将所得结果与模拟退火算法和基本鲸鱼群算法进行比较.实验表明,在处理较小规模车辆调度情况下,三种算法处理效果差距不明显,随着求解规模增大,混沌鲸鱼群算法对解决所提问题具有更好的效果,是一种优化应急车辆的有效方法.     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

变区域多层遗传算法的研究

本文在遗传算法的基础上,提出了一种变区域多层遗传算法。本算法把可行域分为若干个区域,并按区域分布子群体,除了每一个子群体在指定分配的区域中进行基本的遗传操作外,还在子群体间按适应度进行选择复制、同区域的子群体间进行交叉和群体内部进行变异,逐步淘汰较差的区域,最终集中在较小的区域进行搜索。经测试函数检验,
,本算法具有较好的应用效果。     

基于遗传算法车间流控制中调度问题的研究

提出了实现车间调度的混合遗传算法的设计方案，把经典的启发式算法、自适应算法与遗传算法相结合，将启发式搜索运用于初始种群的生成，充分发挥遗传算法良好的全局搜索能力和启发式搜索结构简单搜索速度快的特性，采用自适应方法改进交叉概率与变异概率，并通过实验验证了算法的有效性、