带时间窗集送货需求可分车辆路径问题的改进蚁群算法

围绕提高物流效率、降低运输成本,对集送货需求可分车辆路径问题进行了研究。首先考虑集送货需求可分和时间窗的约束,设计了带时间窗集送货需求可分的车辆路径模型,然后结合模型特点提出了一种改进的蚁群算法,并通过算例分析与已有文献算法结果进行比较。研究结果表明,改进的蚁群算法能够有效地求解集送货需求可分的车辆路径问题。     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

考虑分时模糊车速的带时间窗的市内集送货问题

车辆路径问题中的行驶车速这一因素通常是模糊的、不确定的.现以交通数据为基础,对货运车辆模糊车速的隶属度函数进行拟合.在此基础上对具有分时模糊车速的市内集送货问题进行描述,建立数学模型,并采用混合禁忌搜索算法对问题进行有效求解,即以节约法构造初始解,再以改进的禁忌搜索算法对初始解进行调整.通过计算实例,说明了隶属度函数、数学模型和求解方法的有效性.     

单程多次装卸的市内集送货成本优化

针对单程多次装卸的市内集送货问题,通过模糊综合判断方法计算多次装卸成本,同时考虑车辆成本和复杂路网下的里程成本,建立数学模型,采用两阶段方法对问题进行有效求解,即以节约法构造初始解,再以改进的禁忌搜索算法对初始解进行调整。通过计算仿真,说明了数学模型和求解方法的有效性。     

一种毗邻信息改进的车辆路径问题禁忌搜索算法

提高求解大规模车辆路径问题的算法效率,已经成为物流配送的现实需要。针对一种典型的车辆路径问题禁忌搜索算法,提出用毗邻信息指导的动态候选集规模改进禁忌搜索算法,以提高禁忌搜索算法求解大规模车辆路径问题的自适应能力和鲁棒性。算例测试证明,改进的算法在求解问题规模较大时,可以带来超过50%的搜索时间节省。     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

品牌推广动态选址问题及其混合算法研究

对品牌推广动态选址问题进行了描述并且建立了数学模型.基于禁忌规则,提出了求解该问题的模拟退火算法.算法采用自然数编码,在状态生成函数中利用两种邻域扩大抽样范围;根据问题的特点,在模拟退火算法抽样过程中加入了禁忌规则.在介绍了算法原理的基础上给出了具有代表性的算例试验结果并且进行了分析.试验结果表明了所提出的混合算法对品牌推广动态选址问题的有效性.     

带时间窗和随机时间车辆路径问题: 模型和算法

研究带随机车辆旅行时间、服务时间以及时间窗的车辆路径问题.根据不同的优化目标, 首先给出了问题的两种数学模型描述:机会约束规划和带修正的随机规划模型. 为了有效地求解该问题,提出了基于禁忌搜索的启发式算法, 该算法考虑了问题的随机特性.在实验部分, 首先给出了产生 测试问题的方法,然后基于产生的测试问题给出了算法的计算结果.     

用禁忌算法求解第四方物流作业整合优化模型

建立了考虑时间和风险因素约束的面向第四方物流的物流平台作业整合优化模型,在研究基本变量邻域、作业步邻域、批量整合邻域和柔性禁忌策略的基础上,建立了求解该模型的柔性禁忌算法.本文随机产生20例算例,将禁忌算法的计算结果与分枝定界法的计算结果进行比较,说明了本算法的可行性.