考虑客户满意度的车辆路径优化及其算法研究

针对当前车辆路径问题中较少考虑客户满意度的情况,构建了基于模糊时间窗的车辆到达时间满意度函数和货物运输时长满意度函数,以最大化客户满意度和最小化配送总成本为目标建立VRPCCS数学模型.为了求解该问题,考虑到传统遗传算法存在依赖初始解、收敛速度较慢、容易陷入局部最优等缺点,设计改进的遗传算法与大规模邻域搜索算法相结合的混合算法进行求解,通过选取算例并与传统遗传算法进行对比,验证了模型和算法的可行性和有效性.实验仿真结果表明考虑客户满意度的物流配送方式不仅能够有效提升客户满意度,也能够降低物流企业配送成本以及车辆空载率,对于物流企业的车辆配送路径决策具有一定的参考意义.     

有时间窗配送车辆调度问题的禁忌搜索算法

在对有时间窗配送车辆调度问题进行描述的基础上,建立了该问题的基于直观描述的数学模型.通过设计一种新的解的表示方法构造了求解该问题的禁忌搜索算法,并以21个节点的运输网络为例进行了实验计算.计算结果表明,用作者设计的禁忌搜索算法求解有时间窗配送车辆调度问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定.     

粒子群—禁忌搜索的FMS多智能体调度

针对柔性制造系统调度问题的复杂性,提出以最小化最大完工时间为目标的多智能体调度系统,系统包含全局、工件和机器三类智能体.系统通过基于合同网协议的工件智能体和机器智能体产生初始解,然后机器智能体以初始解为基础进行局部寻优,所获得的局部最优解集由全局智能体进一步全局寻优,从而获得比一般方法更好的调度解.在进行优化模块设计时,分别引入禁忌搜索和粒子群优化作为机器智能体和全局智能体的优化算法.针对多智能体能够交互的特点,对禁忌搜索算法进行改进,提出了双禁忌表搜索算法,使得各机器智能体寻优结果更具多样化,更适合作为全局智能体优化的初始粒子群.仿真结果表明:调度系统在求解时收敛速度快、精度高,通过对10个经典柔性job-shop问题求解,所有结果均优于单独使用遗传算法和禁忌搜索算法的已知结果.     

禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

多种群蚁群遗传算法在车间调度中的研究应用

蚁群算法和遗传算法都属于仿生型优化算法,是解决调度问题的强有力的工具。本文针对多目标车间调度问题提出了一种多种群蚁群算法和遗传算法想结合的算法,算法的第一部分用多种群蚁群算法求得各个目标函数的最优解,第二部分把求得的解作为遗传算法的初始种群求得多目标问题的Pareto最优解。仿真结果,该算法有较好的有效性、稳定性和订单适应能力。     

波阻抗混合优化反演方法研究

遗传算法是一种具有全局优化的随机搜索算法,针对遗传算法存在局部搜索能力差,求解精度不高等缺点,引入了模式搜索算法,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补遗传算法的不足。即利用遗传算法来控制寻优过程,用模式搜索算法使解快速逼近极小点,然后再用遗传算法使解逃脱局部极值,从而达到全局寻优目的。理论模型和实例计算分析验证了该方法的有效性     

基于改进多目标布谷鸟搜索算法的 汽车装配线物料配送调度

考虑将电动车辆用来进行基于点对点配送策略的汽车装配线的物料配送,提出了改进多目标布谷鸟搜索算法. 首先,对该物料配送调度问题进行描述,在统筹考虑电量限制和准时化配送要求的基础上建立了以车辆数量和最长搬运时间作为衡量指标的目标函数,并开发了直接反映配送车辆和配送次序的融合编码机制. 然后,设计任务分配规则构造初始解,并在基于混沌动态步长的搜索过程中加入高斯变异和精英选择策略来提高算法的全局搜索能力和解的质量. 此外,开发两种局部搜索算子以强化算法深度寻优能力. 最后,仿真实验结果验证了该调度算法的可行性和有效性.     

改进的两阶段算法求解差别费率车辆调度问题

针对车辆在负载和空载状态下不同的成本核算模型,提出了两阶段算法求解最小配送成本:第一阶段用改进的扫描算法求得满足问题约束条件的若干组非同质化的初始解;第二阶段采用这些解作为多样化的初始种群,并用改进的单亲遗传算法进行全局、大范围搜索,最终求得满意解.实例计算表明,算法能在较短的时间内求得理想解,满足了物流配送企业深挖内部潜力、有效控制成本的现实需要.     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

铁路行包配送车辆路径问题模型及算法

铁路行包配送车辆路径问题属于同时具有送货和集货需求的车辆路径问题.结合该问题特点,建立数学优化模型.求解算法中采用基于最近邻居的启发式方法产生尽可能好的初始解,并通过构造合理的邻域结构,引入适合的罚函数评价解的质量,随机选取禁忌长度的禁忌搜索算法优化初始解.以5台车辆、21个配送点的实例进行仿真计算,计算结果表明,模型及算法有效可行.