多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。     

基于满意优化的多目标车辆调度问题模型与算法

基于满意优化理论,首先提出了客户满意度的概念及评价函数,在此基础上,以最大化平均客户满意度同时最小化运输成本为目标函数,构建了多目标车辆调度问题的教学模型.然后提出了将多目标转化为单目标的方法,并利用禁忌搜索算法对该问题进行仿真.结果表明,基于满意优化的多目标车辆调度问题模型,更能反映物流运输企业的实际情况,其求解算法是快速、有效的.     

区域公交车辆调度问题的可靠性

为避免交通拥挤等突发事件干扰车辆正常、按时地完成某班次,从而造成公交车辆调度方案失效,需编制一个具较高可靠性的方案以适应环境变化.文中将区域公交车辆调度问题视为”部分班次被某车辆完成”的集合划分问题,假设不确定因素引起车辆延时完成某班次的时间服从正态分布,首次引入公交车辆调度方案的可靠度概念,考虑站场容量等约束因素,研究一类以车辆使用费用最少为第一目标和公交车辆调度方案可靠度最大为第二目标的多目标规划问题;再用约束法将第二目标变为约束条件,使该问题转化为单目标规划问题,设计求解问题的改进遗传算法,根据问题特征定义染色体编码、适应度函数、产生初始种群的启发式算法、交叉和变异操作等;最后,通过一个算例验证了模型和算法的正确性及有效性.     

基于时间扩展网络的区域疏散公交路径规划

针对城市公交系统应急区域疏散路径规划问题,采用时间扩展网络建模技术对疏散公交路网进行了表达,进而建立了以疏散总出行时间最小化为目标函数的离散、动态疏散网络流模型,将公交网络的疏散路径优化问题转化为混合整数规划问题,并设计了启发式禁忌搜索(TABU)算法,用于快速求解公交疏散路径优化方案.最后,以长春市中心区路网为例,对公交系统的区域疏散问题进行了实证研究,着重对比了CPLEX9.0软件的精确求解与禁忌搜索算法的近似求解之间的性能差异.数值实验结果表明,时间扩展网络模型可以有效反映公交疏散系统的动态性,同时禁忌搜索算法能够在求解效率和求解精度上取得较好的折衷.     

求解MDVRP问题的混合蚊子追踪算法

针对现实生活中应用广泛的多车场车辆路径优化问题,建立相应的数学模型。根据"就近原则"将MDVRP问题分解为VRP问题,再根据约束条件的限制将VRP分解为TSP问题,提出一种蚊子追踪算法对TSP求解,详细介绍了蚊子追踪算法的理论基础和求解模型。仿真结果表明,该算法是有效可行的,并优于遗传算法、禁忌搜索和蚁群算法,且证明了该算法对求解这类NP完全问题有一定的指导意义。     

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.     

考虑客流量差异的区域公交车辆调度

考虑到公交客流时间分布非均衡以及公交区域调度的多条线路客流高峰时间、空间分布集中会导致总体客流的高低峰客流量差异进一步加大,提出在低平峰期允许部分公交车辆停运的抽停策略,从"部分车次被某辆车完成"的集合划分角度研究区域公交车辆调度问题,建立改进的区域公交车辆调度优化模型,并设计了最大最小蚁群算法进行求解.算例结果显示:与常规调度方案相比,车辆等待时间减少4034 min,等待时间在总工作时间中占比减少10%,驾驶员减少14个,证明了文中模型的有效性和实用性.     

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.     

基于遗传禁忌搜索算法的公交调度研究

通过对公交运营调度的分析,建立了以乘客等车时间和公交公司运营费用为优化目标的调度模型;然后对遗传算法和禁忌搜索算法进行了分析,并将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法(GATS);最后针对所建立的公交调度模型进行了GATS算法设计和仿真,结果表明混合遗传禁忌搜索算法比标准遗传算法具有更好的效率,是解决公交调度问题的一个有效方法.     

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.     

含热电联合系统的微电网运行优化

为了提高微电网的经济运行水平,提出考虑分时电价并计及制热收益的微电网多目标能量调度模型,该模型以微网发电成本最低与环境效益最优为目标。首先,利用权重系数将多目标经济调度问题化成单目标优化问题。其次,针对遗传算法局部搜索能力差的问题,提出了天牛须搜索算法改善遗传算法的变异操作,利用自身对空间的判断,加强局部搜索能力,在此基础上将Metropolis接受准则加入天牛须搜索算法中,增加变异的概率。最后,以一个微电网为例,将改进的算法与标准遗传算法进行对比,验证了所改进的算法的全局最优解的搜索能力,使得微网获得更佳的综合效益,降低了系统经济运行成本。     

遗传算法在预拌混凝土配送中的应用

针对预拌混凝土(RMC)配送的特点,建立了双目标RMC配送优化模型,并采用自适应遗传算法对该模型进行求解.在进化过程中采用了小生境技术保持群体多样性,并结合自适应遗传算法优化进化参数.另外,采用帕累托边界法为双目标提供多个方案,以便决策者可根据实际情况进行最终选择.     

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。     

钢铁企业产成品转库车辆路径问题优化

分析了钢铁企业产成品转库问题的特点,通过将转库任务分解的方法将原问题转化为具有最迟访问时间约束和同时访问车辆数限制的车辆路径优化问题,建立了转换后问题的0-1规划数学模型,针对模型的特点设计了迭代局域搜索算法.算法初始解由贪婪算法生成,局域搜索过程采用4种常用局域搜索算子的混合,摄动过程采用变强度的2-opt*算子.该算法可以同时实现转库车辆指派和车辆路径优化.通过仿真生成的算例对模型和算法进行了验证.实验结果表明,该模型和算法是解决该类问题的有效方法.     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

基于大数据的公共自行车运营分析及调度模型

为解决公共自行车系统在交通高峰时间段自行车借还困难问题,提升公共自行车系统的运行效率和用户 满意度,以某市的现有公共自行车系统运营情况为研究对象,通过大数据归纳了公共自行车系统的借用和返回 规律,分析了公共自行车的运行特点,研究公共自行车的时间特性和周转特性,并且为调度模型的建立提供了 数据基础,最后通过改进蚁群算法建立了较好的公共自行车调度模型。实验结果表明,建立的静态调度行驶路 径优化模型得到了最优调度行驶路径,从而使高峰时间段自行车借还困难问题得到了有效解决,减少了调度所 需时间并提高了工作效率。     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

公交调度优化模型及其解法研究

公交调度是公交企业运营的核心内容。提高城市公交的运营调度水平,是改善城市公交服务质量、提高公交吸引力的重要途径。文章从公交乘客利益和公交企业利益角度出发,建立了以客流需求为基础数据,以乘客候车满意度、车上舒适度和企业满意度为目标的公交调度多目标优化模型,采用幂加权和法将多目标问题转化为单目标问题,并用改进遗传算法对问题进行求解。介绍了模型候车乘客流分布函数、下车概率函数的处理方法和各组成要素的计算方法以及问题的转化和解法的具体步骤,最后结合邯郸市公交实例进行了优化计算。     

基于自适应多态蚁群算法的多约束车辆路径问题

建立了在有客户优先级、路况影响、多车型、时间窗和容量等多约束条件下车辆路径问题(VRPMC)的数学模型.由于该模型是一个NP-hard问题,目前还没有多项式算法求解,又提出了采用自适应的多态蚁群算法(APACA)来对其进行求解的策略.首先,算法中侦察蚁完成满足约束条件的路径侦察并设置侦察信息素;其次,搜索蚁利用侦察蚁提供的辅助信息进一步搜索可行路径,通过多态蚂蚁间的协作和自适应调整挥发系数,能更快地搜索到问题的优化解;最后通过一个实例与节约算法、遗传算法、禁忌搜索算法和基本蚁群算法进行了对比,结果表明:对VR-PMC问题,APACA算法比前述算法在算法稳定性、运行距离、计算速度方面更具有优势.