基于成本最小的公交人员排班优化模型

为了优化公交人员排班问题,提高公交公司的运营效率和资源利用率,以车辆行车计划为基础、公交公司运营成本最小为目标,构建了公交人员排班问题理论模型,并利用遗传算法和LINGO优化软件分别进行实例求解。算例分析表明,该模型具有可行性和合理性。     

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.     

基于混合需求的高铁快巴动态线路规划方法研究

为满足旅客在高铁站的接驳及疏散需求,增强高铁站作为城市综合交通枢纽的作用,建立基于提前预约和实时混合需求的高铁快巴动态线路规划模型。在运营开始前,基于提前预约需求,兼顾公交公司的运营成本和乘客出行时间成本,建立线路规划模型;利用小生境技术对传统遗传算法进行改进,设计算法求解。运营开始后,允许实时需求插入既定路线,引入临时站点,以最小化系统变动成本为目标,建立整数规划模型决策动态线路规划方案。应用本方法在北京市北太平庄街道区域随机生成并求解30组需求算例。结果显示,该模型可以在两阶段生成最优的高铁快巴线路方案满足混合需求;与传统遗传算法相比,小生境遗传算法有效避免了算法早熟,运算结果更优,模型和算法具有可行性。     

考虑时间窗因素的物流配送车辆调度优化

根据物流配送中车辆调度的实际,综合考虑配送中心装货的时间和用户的时间窗,建立了物流配送车辆调度优化的数学模型,并根据模型特点,设计了基于模拟退火算法的求解方案,通过实例验证该数学模型和算法的实用性和有效性。     

有时间窗车辆调度问题优化研究

电子商务物流企业将面临的是多批次、小批量、时间要求高、需求个性化的现代化市场.此时,配送车辆类型的选择、运输时间考虑、人员和车辆日常使用费用和加班费用、配送成本与配送线路选择,这些与传统的车辆调度有很大的差别,而且关系复杂、难以精确估算.因此,考虑电子商务环境下的物流配送特殊性,将传统车辆调度模型进行修改,为降低配送成本,将目标函数改为基于费用最小,即考虑到正常和加班的车辆行驶费用、车辆等待费用和人员费用等,同时,为提高配送服务质量和提高市场竞争力,将时间窗设为硬时间窗.由于车辆调度问题是NP难问题,采用改进遗传算法进行优化求解.     

公交车调度优化模型

提出了制定一条公交线路车辆调度方案的优化数学模型，该模型计算了乘客在车站等候的时间内所可能创造的财富——社会效益，并将乘客因候车而丧失创造该财富的机会看成一种社会成本，对车辆调度方案的评估时，不仅考虑了公司运营成本，而且考虑了相应的社会成本，因此，该模型制定的调度方案兼顾了公司利益和社会效益，最后将实际的统计数据带入模型，给出一个车辆调度发车时刻表的优化方案。     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

公交运营调度优化的评价指标模型研究

针对公交运营调度优化的效果,提出了评价优化效果的评价指标模型,并给出该模型相应的算法。评价指标包括运能匹配度、平均换乘次数、有效时间利用率,并运用层次分析法(AHP)将指标融合成一个综合的评价指数,建立了运营调度优化的评价指标模型。并以广州市中的几条线路为例,运用指标模型算法对线路的调度优化评价提出简单算法。该模型的三个指标都属于定量的技术性指标,克服了线网优化指标不能评价动态调度方案的问题,对于评价运营调度优化方案,具有较强的实用性。     

含时间窗的司售员调度模型及多邻域结构设计

形式化定义了司售员调度中的关键因素:车辆运营工作、调度方案、劳动法规和调度目标,建立了一个能够准确反映实际问题的模型.设计出能够有效处理时间窗的多邻域结构,为应用基于邻域搜索的各种算法求解该模型奠定了基础.最后将其应用于基于禁忌搜索的构造式方法——启发式自动司售员调度(HACS)中.实验表明:应用该模型及多领域结构改进了HACS,有效解决了含时间窗的司售员调度问题并得到更优解,对大规模问题,解的改进更加明显.     

城市物流中心车辆配送配载调度指派模型研究

基于交通条件约束、客户时间窗约束以及车辆承载能力约束条件下 ,以车辆的配送路径最短、拼装货品最多为优化目标 ,研究车辆配送与配载的两目标优化调度模型组 ,该模型组可以完整描述调度过程的优化目标和约束条件 .以VB6 .0进行仿真模拟 ,结果表明该模型可以有效模拟配送中心调度系统在多种约束条件下的配送、配载调度过程 ,得到的调度指派方案是可接受的 ,而且是有效的 .     

纯电动公交时刻表和车辆排班计划整体优化

研究单线路的纯电动公交车辆运营时刻表和车辆排班计划的整体优化方法,以发车间隔平滑、使用车辆数少和充电费用低为目标建立多目标优化模型,考虑包括不同时段发车间隔范围、可用车辆数量的限制和纯电动公交续航里程约束在内的多个约束.采用多目标粒子群算法进行求解,基于多目标优先级寻找模型的最优解集合.案例表明:和现有的运营计划相比,模型能够平滑发车间隔,减少使用车辆数,充分利用非高峰时段充电以降低充电费用.     

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。本文针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于我国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验,结果表明：对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

实际约束条件下多配送中心物流车辆调度优化

传统方法难以解决有时间窗等具有实际约束条件,且调度结果并非最优,提出一种基于变邻域搜索算法的多配送中心物流车辆调度优化方法。对多配送中心物流车辆调度优化问题进行分析,在分析结果的基础之上构建实际约束条件下多配送中心物流车辆调度数学模型;利用变邻域搜索算法求解物流车辆调度模型的最优解,完成实际约束条件下多配送中心物流车辆的调度优化。实验结果表明,采用所提方法进行多配送中心物流车辆调度,其总运输时间短、运输总费用低,调度结果较优,且符合实际约束。     

集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。     

公交区域车辆调度优化研究现状与发展

区域范围内车辆调度是以给定时刻表和一定数量的分布在各个车场的车辆为前提,在满足所有约束条件和相关规定的条件下,得出所需车辆最少或费用最小的车辆调度方案.区域范围内的公交车辆调度过程非常复杂,一直是公交领域研究的热点问题之一.本文在阐述车辆调度问题的基础上,对车辆调度问题的可行模型与算法的研究现状进行了综述,同时对公交车辆调度研究的扩展问题进行了分析.     

基于乘务广义费用的城市轨道交通排班

以上海城市轨道交通为背景,研究了城市轨道交通乘务排班软件的优化方法.在引入乘务广义费用实现多目标优化的基础上,将实际的城市轨道交通乘务排班优化问题分为日班和夜班两部分解决.夜班归结为一个简单二分双向匹配问题,用Hungarian算法求解.主要讨论了日班在总费用最小的目标下,用禁忌搜索法（TS）求解.对乘务作业段的定义与划分、乘务广义费用的计算、TS算法和计算过程等,都进行了详细的阐述.     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.