量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解,用粒子的位置表示运输路径,建立运输路径的数学模型.与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度.     

多产品运输问题的建模及优化算法设计

以某纺织企业的产品运输流程和企业生产、销售对产品运输的具体需求为例,建立以总运输费用最低为目标函数,以每个生产地每种产品的生产量、每个销售地每种产品的销售量,以及每种产品的单位运价为约束条件的多种产品运输模型.设计具有全局优化、收敛速度快的遗传算法,并对该模型进行优化求解.通过与传统算法的比较,说明采用遗传算法求出的运输总费用优于用内点算法计算出的结果,即对于大规模的多产品运输问题,采用遗传算法优化性能更好,不易陷入局部最优,且其收敛速度也优于内点算法.     

用自适应的遗传算法求解双准则三维运输问题

采用鲁棒性比较好的遗传算法,并利用自适应的杂交和变异概率求解了双准则三维运输问题,最后通过实验验证该方法可产生适合需求的解.     

遗传算法在多目标运输问题的应用

运输问题有特殊的数据结构———运输树,应用基于支撑树的遗传算法求解多目标运输问题,介绍了能表示运输问题所有基解的节点编码方法及对节点编码的交配与变异规则,给出了染色体转换成运输树的可行性准则.     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

基于遗传算法的产品分配方案研究

建立了产品分配的时变模型 ,并将其分为两层子问题 .下层子问题为基本的运输问题 ,按一般的线性方程求解 ;上层子问题则求系统的最小成本 ,采用遗传算法进行求解 .同时 ,还进行了大量的计算机实验 ,并在实验过程中将遗传算法与实现产品分配时常用的算法进行了比较 .结果表明 :采用本研究所建模型 ,并利用遗传算法进行求解 ,可以取得相当好的效果 ,具有实现简单、收敛时间短等优点 .     

基于智能优化算法的运输优化问题研究

一般的运输优化问题都是研究在已知运输任务的前提下，如何选择最佳的运输路线、运输方式、用最少的运输成本、在最短的时间内把货物送到客户手中。本文先对这个问题进行建模，然后采用遗传算法和蚁群算法相结合来求解。     

危险品关联运输调度问题的优化设计

针对带硬时间窗的关联运输调度问题(Incident Vehicle Routing Problem with Hard Time Windows,IVRPHTW),联系实际应用中危险品的车辆路径问题,介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,并用改进的算法来对IVRPHTW求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解危险品的关联运输调度问题是可行的,且优于传统的遗传算法。     

改进遗传算法求解VRP问题

用遗传算法(GA)求解车辆路径问题,但总体上他们所得解的质量都不高,这是由GA本身局部搜索能力不强所致,针对GA这一缺陷,该文对标准遗传算法改进,用于求解VRP问题,并通过实验计算证明了该算法具有良好的寻优性能.     

交通拥堵情况下的多温共配车辆路径优化

针对实际配送过程中,经常会出现由于交通事故、上下班高峰期以及交通限流等因素导致的交通拥堵情况,为保证多温共配路径优化结果能更符合实际情况,提出了一种基于交通拥堵的多温共配优化模型,相较于传统的多温共配的路径优化模型,该模型更符合实际的运输情况.由于路径优化问题属于NP难问题,故采用随机自适应遗传算法进行求解,求出在总成本最优的情况下使路径最短、总成本最少的最佳配送路径.通过对比遗传算法和用Cplex求解,发现两者结果接近,且算法更为快速,更加适合大规模求解.算例分析结果表明:考虑了拥堵情况的路径优化,相较于没有考虑拥堵情况的路径优化,运输成本下降了16.74%.     

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。     

多种运输方式模型优化及求解

对可阶段化运输网络，提出了将路径选择与交通运输方式相结合的组合优化模型．通过虚拟一个运输网络，转化为一个与原问题等价的最短路径问题，并设计了相应的遗传算法对其求解，通过实例计算表明，该算法对该问题是可行和有效的．     

最小元素法的新应用——求解最大值问题

将运输问题中用于求解目标函数为最小值的最小元素法适当修改并推广，应用于求解目标函数为最大值的运输问题。文中给出了此类问题的数学模型、求解算法及理论依据，并通过实例验证了这是一个有效、可行的方法。     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

基于遗传算法的离散时间动态网络最短路径求解

采用遗传算法来求解不满足先进先出原则的动态网络中的最短路径问题,并采用所提出的随机A*算法解决了利用遗传算法求解最短路径问题时的最大障碍--初始种群的产生.最后以广州市电子地图为基础随机产生了一个不满足先进先出原则的动态网络(包括20000个节点,40000条边和144个时间间隔).来对所提出的算法进行验证.试验结果表明,遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

遗传算法在矿井运输系统可靠性中的应用

介绍了遗传算法及其特点，使用遗传算法对矿井柔性连接运输系统的可靠性问题求解。应用表明遗传算法为此类问题的解决提供了一种新的方法和思路。     

线性分式运输问题的一个解法

线性分式运输问题是线性分式规划的一种特殊情况．本文针对分式运输问题的特点给出了一种简便的解法     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

多产品三阶段供应链选址分配问题及其遗传算法

 建立了一种基于最小物流费用的多产品三阶段供应链选址分配模型,该模型综合考虑了原材料和产品的运输费、工厂的固定建设费及原材料采购费和产品加工费、销售中心的固定建设费和库存保管费等。在多产品三阶段供应链体系中,在供应商-工厂阶段,一个工厂不仅可以从不同的供应商处采购不同产品的原材料,而且同一种产品的原材料也可以从不同的供应商处采购;在工厂-销售中心和销售中心-顾客阶段,产品需求者虽然可以从不同供应者处采购不同产品,但同一种产品却只能从一个供应者处进货。根据模型的这些特点,本文结合选址问题的随机顺序编码和运输问题的优先权编码技术,设计了一种新的染色体编码方法,从而借助遗传算法实现了多产品三阶段供应链选址分配问题的求解。数值仿真结果表明,本文给出的染色体编码方案是恰当的,设计的遗传算法具有较高的搜索效率,能够快速稳定地求解多产品三阶段供应链选址分配问题。