车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、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较好方案。     

一种有时间约束的多车辆协作路径模型及算法

分析了有时间约束的基于多车辆协作的随机路径问题。提出了问题的随机规划期望值模型。设计了问题中的两车辆协作的随机路径问题的遗传算法，在遗传算法中采用时间惩罚过滤算子优化了初始种群，提高了收敛速度。给出了算法的应用示例。表明了模型和算法是多车辆协作随机路径问题的一种有效算法。为研究多车辆协作的随机路径问题提供了新的理论和方法。     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

动态环境下CGF实时路径重新规划算法

路径规划是CGF行为模拟最主要和最常用的规划，CGF沿着基于初始信息规划的路径机动时经常会发现路径耗费发生了变化，剩余的路径需要重新规划。D＊（动态A＊）算法是一个适合于动态环境的实时路径重新规划算法，它通过增量式传播路径耗费的变化提高路径重新规划的效率。介绍了D＊算法的一种扩展方法，通过利用问题领域的启发信息引导算法的状态扩展聚焦于当前的状态，减少了状态扩展的数量，进一步提高了CGF在动态环境下的路经重新规划效率。     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题，以总行驶距离、车辆使用数最小化，以及平均客户满意度最大化为目标，构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性，改进了交叉算子，在引入局部优化算法及擂台法则的基础上，设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验，表明算法能够有效地求解带时间窗的车辆路径问题，以及模型的合理性，同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路，也可为实际配送路径规划提供指导。     

基于改进遗传算法的货箱机器人拣选路径规划

针对智能仓库中新型“货箱到人”拣选模式下多个货箱机器人拣选路径规划问题，给出了一种新的优化模型和改进遗传算法。基于货箱机器人的拣选方式及特点，将其转化为非对称车辆路径问题，以机器人总拣选路径最短和完成时间最少为双目标建立混合整数规划模型，设计改进的混合遗传算法对模型进行求解，并通过大规模算例验证了算法的有效性与稳定性。算例计算结果表明：所建模型及算法提高了货箱机器人的拣选效率，降低了运行成本。     

具有感觉和知觉特征的蚁群算法

针对传统蚁群算法加速收敛与早熟、停滞现象的矛盾，模仿蚂蚁感觉和知觉行为提出一种新的蚁群优化算法，使蚂蚁受显意识和潜意识的相互作用选择路径，同时自适应地修改路径上的信息量，以多种不同规模的对称和不对称旅行商问题(TSP)为例进行的仿真结果表明算法具有较好的收敛速度和稳定性，比较适合求解城市数目较多的TSP问题。     

协作车辆路径问题距离和能耗节约量理论边界研究

从理论角度研究协作车辆路径中能够节约的配送距离和能耗量，对协作配送的实际运营具有重要指导意义。提出了低碳协作车辆路径问题(LCCVRP)模型。从理论角度证明了在完全不协作状态下LCCVRP 的最优解与完全协作状态下相比，前者的最优路径长度为后者的倍，(为所有配送中心总数量)，由于能耗量与路径长度高度正相关，故能耗量指标具有类似规律。另外，设计了由贪婪算法和大邻域算法构成的两阶段算法。最后，基于多配送中心VRP (MDVRP)的标准算例，设计了33个LCCVRP 算例，并采用设计的两阶段算法求解，得到的求解结果验证了上述理论证明的合理性和模型与算法的有效性，设计的两阶段算法求解质量与已知最优解的平均偏差仅为0.1%左右。     

可变步长的投影梯度算法与交通网络流量分配

以确定性交通网络用户均衡问题为研究对象，在系统分析了确定性用户均衡问题的模型与优化条件的基础上。提出了可变步长投影梯度方法，并把它用于交通量分配问题．该方法把数学方法与交通工程实践相结合，避免了传统算法中可能出现的解的振荡现象．根据路径费用的大小决定路径解集的取舍，最终可以找到与各OD对相对应的多条最短路径，这个思想把Wardrop原则直接用于分配方法的设计，使路径选择者、交通工程师直观地体会到交通路径选择的多样性．实例验证了算法的合理性与丰富性．     

模拟退火算法求解最短路径填挖问题

在大型的工程和建筑项目中，经常要进行场地平整工作。这引出了一个最短路径填挖问题，目标是找到一个最小车辆路径，使得整个施工过程的总运输距离最短。该问题属于NP—hard问题。本文采用模拟退火算法求解该问题。最后通过算例计算，并同贪婪算法的求解结果进行比较，验证了模拟退火算法的高效性。     

最短路树的计数、产生和优化问题

首先给出了在非负网络中构造最短路网络的算法，然后将树形图的计数算法到最短路网络中，设计出了最短路树计数问题的算法，将Gabow算法应用到最短路网络中，设计出了产生全部最短路树的算法，最后研究了最短路树的优化问题。     

Integrated dynamic shared protection algorithm for GMPLS networks

The path protection approach is widely investigated as a survivability solution for GMPLS networks, which has the advantage of efficient capacity utilization. However, there is a problem of the path protection approach that searching a disjoint backup path for a primary path is often unsuccessful. In order to resolve this problem, an integrated dynamic shared protection （IDSP） algorithm is proposed. The main idea of the proposed algorithm is that the path protection approach is first used to establish a backup path for the primary path; if the establishment is unsuccessful, then the primary path is dynamically divided into segments whose hop count are not fixed but not more than the limitation calculated by the equations introduced. In this proposal, backup bandwidth sharing is allowed to improve the capacity utilization ratio, which makes the link cost function quite different from previous ones. Simulation experiments are presented to demonstrate the efficiency of the proposed method compared with previous methods. Numerical results show that IDSP can not only achieve low protection failure probability but can also gain a better tradeoff between the protection overbuild and the average recovery time.     

新型公交网络模型与最优线路选择算法

针对公交线路的最优线路选择问题,给出了基于标号公交网络二分图模型,在此模型基础上给出了最小换乘条件下的可行线路的“纺锤-修剪”搜索算法,进而给出在最小换乘条件下的最短路径和换乘站点的数学规划方法.最后给出算例并验证了该方法的有效性．     

时变条件下允许等待的最短路问题

在组合优化过程中,往往需要获得从起点到终点之间的最短路,而其所考虑的目标可能是一个与时间相关的变量.有时,网络中的节点进行一定时间的等待,可以在一定程度上减少目标值.给出了求解时变条件下允许等待且有到达时间限制的最短路模型,并设计了无等待时间限制和有等待时间限制条件下的算法,并对算法的复杂性进行了分析.最后,给出了一个应用算例.     

无向正权网络最短路模型的建立和理论分析

路径问题是运筹学的重要分支, 更是图论学科成立的奠基问题.针对无向网络中的路径问题, 首先, 建立了无向正权网络最短路模型, 提出一些能够反映无向网络中节点、边和路线规律性的参数概念, 包括点参数和边参数, 用这些参数代替边的权数描述无向正权网络; 其次, 通过对模型进行理论分析, 推导出与各参数相关的结论, 利用参数揭示了点、边、路线以及无向正权网络之间的关系, 并初步体现了该模型的用途; 第三, 利用该模型求解了与无向正权网络相关的几类基本路径问题; 最后, 通过应用举例, 阐述了该模型的部分应用. 需注意的是, 该模型也适用于带回路的有向正权网络.     

关于选择函数路径无关性问题的注记

研究选择函数的路径无关性问题．探讨了路径无关性问题的起源以及路径无关性条件ＰＩ和序贯路径无关性条件ＳＰＩ的形成思路;通过分析条件ＰＩ和ＳＰＩ与理性选择函数的关系,揭示了它们与路径无关性问题的联系;并构造实例说明两类路径无关性条件间的相互关系.     

New SRLG-diverse path selection algorithm in survivable GMPLS networks

In conventional shared risk link group (SRLG)-diverse path selection (CSPS) algorithm in survivable GMPLS networks, SRLG is taken into account when selecting the backup paths, while the primary path selection method is the same as the algorithms without SRLG constraint. A problem of CSPS algorithm is that, after a primary path is selected, the success probability to select an SRLG-diverse backup path for it is low. If SRLG is taken into account when computing the primary path, then the probability to successfully select an SRLG-diverse backup path will be much increased. Based on this idea, an active SRLG-diverse path selection (ASPS) algorithm is proposed. To actively avoid selecting those SRLG links, when computing the primary path, a link that share risk with more links is assigned a larger link cost. To improve the resource utilization ratio, it is permitted that the bandwidth resources are shared among backup paths. What is more, differentiated reliability (DiR) requirements of different customers are considered in ASPS algorithm. The simulation results show that, compared with CSPS algorithm, ASPS algorithm not only increases successful protection probability but also improves resource utilization ratio.     

两种策略下的最短路径并行算法研究与实现

随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测试和分析。结果表明,在8台机器上求解含5 181个节点的实际交通网络中32个源点的最短路径时,基于网络分割的双队列标号修正并行算法的加速比可达到6.32,在其他网络中也表现出较好的加速比及可扩展性。     

Genetic algorithm for pareto optimum-based route selection

A quality of service (QoS) or constraint-based routing selection needs to find a path subject to multiple constraints through a network. The problem of finding such a path is known as the multi-constrained path(MCP) problem, and has been proven to be NP-complete that cannot be exactly solved in a polynomial time. The NPC problem is converted into a multiobjective optimization problem with constraints to be solved with a genetic algorithm. Based on the Pareto optimum, a constrained routing computation method is proposed to generate a set of nondominated optimal routes with the genetic algorithm mechanism. The convergence and time complexity of the novel algorithm is analyzed. Experimental results show that multiobjective evolution is highly responsive and competent for the Pareto optimum-based route selection. When this method is applied to a MPLS and metropolitan-area network, it will be capable of optimizing the transmission performance.     

虚拟角色的一种自主运动路径规划方法

虚拟角色的路径规划是动漫游戏的一个重要课题,如何建立高效的路径规划方法仍是一个热点话题。提出了一种基于感知记忆的路径规划方法,该算法包括全局路径规划、局部路径规划和记忆模块。全局路径规划是根据已知的路径建立的,提出了拥堵系数和容忍度的公式;而局部路径规划是根据局部感知建立的,虚拟角色能够依据局部路径规划探索一个未知环境,全局路径信息记录在记忆模块中。构造了一个包含虚拟角色的三维迷宫,实验结果表明,根据前面探索信息建立的全局路径规划是有效的。