基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

求解非标准货物货机群装载问题的启发式搜索算法

货机装载问题属于三维装箱问题,是一类NP-hard组合优化问题。而与传统车辆装箱问题不同,货机装载后的重心位置是要考虑的重要约束条件,以重心偏移率和货舱空间利用率为目标函数,针对非标准货物的货机群三维装载问题进行启发式算法研究。该算法基于空间管理思想,将"砌墙"式建构算法与一种四规则深度优先搜索法相结合,排除大量不可行解,缩短了可行解的搜索时间。最后实验结果表明,本算法可以在满足各项约束条件下正确地为货机群三维装载问题找出可行装载结果,对解决实际货机群装载问题具有现实意义。     

多规格重质货物装载优化系统的研究和设计

介绍了C＆P（切割与装箱）问题的基本模型和主要研究方向，提出了针对大批量多规格的货物装载（装船）的数学模型和求得满意解的混合遗传算法，设计并开发了解决实际问题的基于信息技术的优化系统．所解决的钢铁产品船舶装载问题对同领域的其他装载优化问题有借鉴意义．     

自适应烟花算法在重型装备装载中的应用

为了解决大型运输机装载重型装备装载方案的制定优化的问题,构建了考虑运输机重量、运输机的载重量、运输机的重心、机舱容积、系留等现实约束的装载方案数学模型,采用了一种对爆炸半径可以进行自适应处理的烟花算法(fireworks algorithm)对重型装备装载方法进行优化。为了让军用重型装备的装载过程直观明了,以Unity3D游戏引擎设计了一个军事空运重装装载方案制定的视景仿真系统。最后,将自适应的烟花算法和视景仿真系统运用到一个重装装载案例中,得出的结果分析表明:该烟花算法为大型运输机装载重型装备的装载方案制定,选择提供了一个新的科学的决策方法、理论基础和实践方法;同时利用Unity3D游戏引擎设计的重装装载的视景仿真系统使军事空运装载问题由数据证实到过程可视化,清楚合理的再现最优重装装载方案的选择过程,使军事空运装载问题由理论上升到实践。     

单品种货物装车问题的两阶段优化算法

针对同种同规格货物的三维装车问题,基于分层思想,将三维装车问题进行降维,转化为二维布局优化问题,提出九种分层装车策略,在算法设计上,提出了两阶段优化算法,第一阶段沿车厢的长、宽或高进行分层,针对不同的层高,通过动态规划算法求解平面内的最大货物装载量,得到货物的最优布局;第二阶段结合背包算法对层进行组合,得到车厢每个维度下的最优层,最后择优选取可装货物数量最多的方案,即为最优装载方案;最后通过两个数据集共8个算例对算法进行测试。结果表明,对于数据集一来说,本文算法求得的平均装载率可达99.43%,优于带排列分层算法、动态规划算法,以及混合递归算法求得的平均装载率;而对于数据集二来说,本文算法求得的平均装载率也达到了96.11%,优于二维排列算法,说明本文提出的两阶段优化算法在一定程度上可以生成较好的装载方案。     

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。     

基于装载能力约束的集货车辆路径问题研究

针对物流货运过程中,集货车辆在规定时间内从各配货站集货后回到中心货站进行分类运输问题建立了多目标组合优化模型,并设计了相应的算法。通过实证模拟的方式检验了所提出了基于装载能力约束的集货车辆路径优化方案,为物流中心集货车辆的优化调度提供理论指导和实际借鉴作用。     

动态车辆路径问题的算法研究

借鉴动态问题中的时间点、时间段等概念,建立了动态车辆路径问题模型,将动态VRP转化为在若干连续的时间段内的相对确定性的静态VRP,为动态VRP的研究提供了一种新的方法.并设计了基于节约法和禁忌搜索的混合算法,从而提高了对动态车辆路径问题求解的效率.     

铁路同类适盘货物装载方案优化研究

结合铁路货物装载约束条件,构建了使用托盘的同类长方体货物铁路货车装载优化模型,首先提出了改进二维布局优化算法求解托盘在车厢底面的布局方式,再确定托盘货件在车厢内的最佳堆码层数,得到货物的装车优化方案。实例分析结果表明,该算法是一种求解铁路同类适盘货物装载问题的有效方法。     

蚁群遗传优化算法在物流配送路径选择中的应用

在对车辆路径问题(VRP)分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传优化算法.提出的改进算法是先通过限制、选择和更新信息素、控制搜索次教,找出路径的满意解,大大缩短了搜索时间;再用所得较好的路径表示作为初始种群,指定为父体,直接进行分组定界操作,将已得路径进行优化改良,求得最佳配送路径.实验结果表明,该算法应用于求解物流配送路径的问题行之有效.     

武汉市烟草配送路径及运力优化

根据烟草产品特点,针对武汉市现有的配送体系和地理特点,建立了配送路径及运力优化方案数学模型,并确定了配送路径优化设计静态和动态约束条件,所涉及到的问题是带有时间限制和车辆载荷限制的车辆路径问题.其解决方案是采用二阶段算法对配送路径进行先排线路再分组法,并应用带有载荷约束的单巨集切割法,将大规模VRP问题分为线路划分和单车线路优化2个子问题,有效地解决了配送路径和运力优化问题.并通过案例对模型和解决方案作了进一步分析验证.     

针对CVRP的2-OPT算法的时间复杂度均值分析

分析了需求不可分割带能力约束的车辆路径问题(CVRP)的 2 - OPT算法计算时间的平均复杂度。利用需求分布独立于客户的空间分布的特点 ,将车辆路径问题 (VRP)转化为多旅行商 (MTSP)问题 ,并通过分析 MTSP进行 2 -OPT操作的可行性条件 ,建立起该算法运行所需的迭代次数的分布函数 ,进而求得平均运算时间复杂度的上界。该文为有效评价针对 VRP的 2 - OPT算法 ,提供了理论依据 ,并为VRP领域的启发式算法的复杂度分析 ,提供了一种新思路。     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。     

大规模车辆配送/收集问题的求解框架

大规模车辆配送/收集问题是供应链末端的日常商品配送和逆向物流前端的废品收集过程中的典型问题,存在着车辆载重、工作时间和车辆服务区域固定等约束,属于扩展的有载重约束的车辆路径问题。该文对该类车辆问题进行了描述和特点分析,提出了一个3阶段的求解框架:采用基于主干道的网格法对客户进行区域化整合;采用车流模型和C-W、3-opt相结合的算法完成客户区域对车辆的分配;采用旅行商问题求解方法对区域内车辆路径进行优化。案例研究的结果证明了该求解框架的实用性和有效性。     

带时间窗约束的多类型车辆路径问题的改进节约算法

本文对节约算法进行了改进, 并利用改进的节约算法解决了带时间窗约束的多类型车辆路径问题. 得出带时间窗约束的多类型车辆路径问题的数学模型及针对此问题的改进节约算法     

基于位置服务的动态车辆路径问题研究

针对实际车辆路径计划的动态性和传统VRP解决方案的局限性,提出动态VRP的概念和研究内容,设计了基于位置服务的动态VRP求解的技术路线,研究了动态VRP路网模型.     

车辆路径问题中的遗传算法设计

车辆路径问题在物流管理的研究中受到大量关注。但由于车辆路径问题是一个NP-hard问题，使用传统优化方法很难得到最优解或满意解。这里使用改进的交叉算子和遗传算子，设计了基于自然数编码的遗传算法，求解车辆路径问题，获得了良好的效果。