混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题。建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例。提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形。该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使用标签算法精确求解了固定商户配送顺序下的路径最优充电决策问题。测试结果表明：混合变邻域搜索算法可在极短时间内找到最优解,能大幅度降低物流成本。     

考虑工作量均衡的成品油二次配送车辆路径问题

为避免工作量分配不均,研究了考虑工作量均衡的成品油二次配送车辆路径问题。以总配送成本极小化和不同车辆路径长度之差极小化为目标,建立了双目标混合整数规划模型;并设计了变邻域禁忌搜索启发式算法。利用改进的Solomon＿I1插入算法求出使总配送成本尽量小的初始解;再利用变邻域禁忌搜索算法改进初始解,得到近似最优解。模拟计算结果显示,通过变邻域禁忌搜索算法改进后的解,总配送成本仅增加6.2%,车辆路径长度差值降低了45%,验证了算法的有效性。     

求解Job Shop调度问题的改进禁忌搜索算法

提出一种改进的禁忌搜索算法,解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足,提高这类问题的求解质量.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,采用此邻域选择方法构造禁忌搜索算法,当无邻域时,重新产生初始解进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索.采用改进的禁忌搜索算法对13个难的benchmarks问题进行10次求解,得到的平均值8个优于TSAB算法,得到的最优解6个优于TSAB算法、4个与TSAB算法相同.采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力.     

基于混合禁忌搜索算法的水位流量关系拟合

将禁忌搜索算法与免疫进化算法、模拟退火算法有机地结合起来，建立了求解优化问题的混合禁忌搜索算法（HTS）。具体的改进策略为：通过与模拟退火算法结合，使用蒙特卡罗准则和退火过程，改善禁忌搜索的“下山”能力，提高搜索效率的同时避免陷入局部最优；采用免疫优化算法产生优秀子代解的思想生成禁忌搜索算法的邻域结构，增大了寻找优秀解的几率。将混合禁忌搜索算法应用于水位流量关系公式的参数优化，得到的拟合结果与实际值接近，误差较小，表明此混合算法精度较高，性能稳定。     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

基于改进模拟退火算法的机器人全局路径规划

针对全局静态移动机器人路径规划问题,给出了一种简单易行的改进模拟退火算法.算法通过引入脱障算子和一致寻优算子,提出了一种新的状态产生方法.前者采用维值定向扰动策略,使碰撞路段的两个端点以一定步长跳离障碍物,这既保证了路径的无碰性,又加快了寻优效率；后者对随机选取的若干个路径点进行变步长地调整,使产生的候选解可以遍布整个解空间,提高了算法的全局寻优能力.最后,通过对一般环境和“陷阱”环境路径规划问题的仿真,验证了该方法的有效性.     

基于迭代变邻域下降算法求解TTRP问题

为了求解卡车带挂车的车辆路径问题(truck and trailer routing problem, TTRP),提出迭代变邻域下降算法(iterated variable neighborhood descent, IVND).该算法首先使用T-cluster算法求得一个初始可行解.然后,设计了基于多邻域算子的变邻域下降搜索算法.在搜索过程中,借鉴"粒邻域"的思想定义了"受限邻域",同时设计了基于switch-vehicle-type算子的扰动策略.最后,选取国际上通用的Chao测试数据集(21个50～199个顾客规模的标准测试算例)对算法性能进行测试.通过与文献中其它4种算法比较,实验结果表明,提出的IVND算法可以在最短的计算时间内收敛到满意解,并且IVND算法结构简单、计算效率高、易实现,可以被灵活地扩展解决其它车辆路径问题和组合优化问题.     

自适应最优块匹配视频稳像算法

传统的块匹配视频稳像算法不能完全去掉运动前景影响,在处理过程中需要预先设定判定相似度的阈值,容易造成计算误差,搜索算法搜索位置太多,加大了运算量。本算法首先对相邻两帧图像的匹配块进行x 和 y 方向独立的块搜索,自适应地确定最优匹配位置,然后根据每次搜索最优匹配位置剔除运动前景目标块,调整步长进行下一步搜索,直到搜索步长为零时停止,最后计算出相邻帧间的移动向量进行运动滤波,补偿抖动。处理结果显示本算法可以在视频大幅抖动,含有运动目标时和全局运动时进行准确稳像。     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

基于蚁群算法的水下潜器全局路径规划技术研究

全局路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。文章使用蚁群算法对水下潜器三维空间全局路径规划问题进行了研究,讨论了三维空间的抽象环境建模方法,依据安全性、经济性和路径最短原则设计了算法适应值评价函数,综合利用迭代最优和全局最优信息设计了信息素更新规则,仿真结果验证了算法的正确性和有效性。     

带障碍物惩罚因子的多机器人路径规划

轻载环境中,复杂障碍物区域将引起机器人之间局部冲突加剧,进而导致路径求解效率下降,针对该问题,提出轻载环境下带障碍物惩罚因子的多机器人路径规划方法。在基于冲突搜索(conflict-based search, CBS)算法框架的下层单机规划过程中,通过对即将拓展机器人位置的周围障碍物分布类型进行判断,赋予与之对应的障碍物惩罚因子;对路径规划过程中的惩罚因子进行累加,作为单机规划的启发值对路径进行选取;结合CBS算法框架的上层冲突消解策略进行多机器人的路径规划与冲突协调。测试结果表明,在10%障碍物分布的轻载环境中,所提算法的求解时间约为CBS算法的81.38%～83.67%,二叉约束树(constraint tree, CT)拓展量为CBS算法的60.14%～71.66%。在Gazebo中仿真表明,所提方法可减小通过复杂障碍物区域的次数。     

速度时变的多中心半开放式车辆路径问题研究

针对多中心半开放式车辆路径问题,考虑软时间窗约束和车辆速度变化情况,构建了最大化平均客户满意度、最短配送距离和最小配送成本为目标的优化模型,并设计了两阶段求解算法。基于自适应网格密度法和邻域拥挤密度法对多目标粒子群算法的外部档案进行维护及选取全局最优粒子,提高算法的收敛性和后期种群多样性,以获得初始可行解。用变邻域搜索算法优化初始可行解,减小配送距离,降低配送成本。通过仿真实验结果验证了模型的合理性和两阶段算法的有效性。     

神经网络在移动机器人路径规划中的应用

对于环境信息完全已知的移动机器人的全局路径规划问题,应用了一种并联的神经网络结构与模拟退火算法相结合的方法,并提出了一种局部路径修正算法,最终得到一条最优的平滑路径。计算机仿真研究表明,该算法计算简单,收敛速度快,规划的路径为一条最短无碰且安全的平滑路径。在计算机仿真验证的基础上,以P3-AT型轮式移动机器人为平台,通过机器人模拟实验验证了该算法的有效性。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

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。     

可变洋流环境中自主水下航行器动态路径规划的改进QPSO算法

为更好地完成水下探测任务,提升潜行效率,本文提出了自主水下航行器(autonomous underwater vehicle,AUV)在可变洋流中的全局路径规划方法.首先,识别潜行区域地形与静态障碍物,建立以三维空间路径最短与路径平滑度最大为约束的多目标函数,利用提出的改进QPSO算法求解,生成初始路径;其次,考虑水下环境中不确定障碍物的存在和时变洋流的干扰,将动态障碍物信息更新在控制图上,用高斯噪声对洋流速度进行估计,确保AUV实现动态躲避与适应洋流变化以输出稳定的速度;最后,建立观测与惩罚函数来实时调整初始路径,得到更为科学合理的潜行路径.仿真结果表明,本文提出的全局规划方法求解的路径能使AUV潜行更加平稳与安全,使其具有更好的自主能力;所提改进算法与常规算法对比,改进的QPSO算法求解多目标离散问题所得解的精度与质量更好.     

移动机器人在线路径规划算法研究

主要讨论了不确定环境下移动机器人运动路径的在线规划算法。在此方法中 ,预定目标被定为吸引子 ,而障碍物被定为排斥子。这样 ,路径规划就转换为应用牛顿定理进行迭代计算。该算法简便 ,实时性强 ,能自动地适应工作环境中障碍物的位置变化和随机出现 ,使机器人准确避开障碍 ,安全到达目的地。实验结果表明 ,此算法效果良好。     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

基于城市道路限行的多能源多车型车辆路径优化

针对日益严峻的城市汽车尾气污染问题和日趋严格的城市限行措施,本文首次将城市分区域、分车型等限行因素引入到车辆路径问题,并以碳排放、运输等费用总成本最小为目标,构建了基于城市道路限行的多能源多车型混合车辆路径优化模型.针对模型的NP难特性,本文提出了一种变邻域搜索算法(VNS-TR)求解该模型.最后,通过算例和基准测试集验证了模型及算法的有效性.     

一种自主水下航行器路径规划算法

提出了一种自主水下航行器穿越雷区的路径规划算法。将路径规划分为全局路径规划和局部路径规划两个部分,建立了水雷分布的Voronoi图,采用遗传算法规划出初步的全局最优路径。自主水下航行器按照全局最优路径航行时,利用前视声纳作为探测仪器。根据所测得的障碍物相对于自主水下航行器的位置关系设计出一个模糊推理系统(FIS)求解其避障角度,完成局部路径规划。仿真结果表明了这种算法的有效性。