用遗传算法求解带回程取货的车辆路径问题

带回程取货的车辆路径问题可以同时服务路径上的取货送货节点，通过对该问题的研究．利用改进的遗传算法对其求解，并通过实例证明其有效性．     

多车次同时送取货物车辆路径问题的量子蚁群算法

研究了配送车辆载重量和工作时间有限,考虑货物装卸时间的多车次同时送货和取货的车辆路径问题(multi-trip vehicle routing problem with simultaneous deliveries and pickups,MTVRPSDP),建立了以配送车辆启动成本和车辆行驶成本之和最小为目标的线性整数规划模型.将量子计算和基本蚁群算法相结合提出了求解MTVRPSDP的量子蚁群算法,该算法应用量子比特启发式因子改进了人工蚂蚁的转移概率,从而提高了算法的全局搜索能力和稳定性,有效改进了算法陷入局部最优的缺陷.算例分析表明:MTVRPSDP的线性整数规划模型在实际应用中是可行和有效的,而且相比于基本蚁群算法和文献中所给其他算法的计算结果,利用量子蚁群算法和MTVRPSDP的线性整数规划模型能够得到较好的满意解,安排的车辆配送路线更加经济合理.     

双目标时变速度车辆路径问题的模型及算法

提出了时变速度情况下带时间窗与回程的车辆路径问题模型,考虑最小化车辆行驶总时间和最小化总延误时间两个相互冲突目标,将双目标的问题通过加权法转化为单目标问题．由于求解固定速度车辆路径问题的方法在时变速度下不可行,因而对传统优化方法作了改进,提出两阶段方法．从计算的结果看,第二阶段的RTS（reactive tabu search）算法相对第一阶段算法的求解有较大的改进．根据不同的权重的取值,可以在两个目标之间找到一个权衡的区间,决策者根据服务的要求可以在此区间选择合适的权重获得可行的车辆调度方案．     

碳减排下的汽车零部件循环取货路径优化研究

针对能源消耗严重和环境污染双重压力下的现象,提出对汽车企业零部件循环取货路径的优化建议。将CO2的排放量与满足汽车制造企业的生产需要相结合,根据货运车辆的碳排放需要选择合适的碳排放计算模型,分别建立不考虑碳排放的循环取货路径模型和考虑碳排放的循环取货路径模型,利用遗传算法及基本原理对所建模型进行算法设计,并运用Matlab软件编程,最后对考虑与不考虑碳排放量两种情况进行计算对比分析。结果表明:考虑碳排放的循环取货比不考虑碳排放的循环取货路径总长虽增加了3.8%,但总成本减少了1.6%,碳排放量减少比例为12.37%,改善了汽车零部件循环取货过程中车辆的碳排放和能耗量,一定程度上减少了循环取货的运输费用,取得了汽车企业零部件循环取货路径更加经济环保的效果。     

具有同时送货和取货需求的车辆路径问题的蚁群禁忌混合优化算法

在分析具有同时送货和取货需求的车辆路径问题(VRPSDP)的基础上,建立VRPSDP数学模型,提出一种新的求解VRPSDP问题的蚁群禁忌混合优化算法(ACO-TS),并通过实验验证该算法的有效性和可行性.新算法首先采用蚁群算法产生阶段最优解,然后利用禁忌搜索算法对阶段最优解进一步优化.实验表明,新算法能够高效解决VRPSDP问题,并且具有较好的优化效果.     

考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,同时考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。     

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.     

取送货混排的车辆路径问题的模糊动态研究

通过增加车辆预留能力系数,保证在避免货物重新排列的情况下完成取送货.充分考虑物流运输行业的现状,重点研究相关参数模糊且各取货节点动态随机出现的问题.在求解方法上,首先为车辆路线中每一个节点、车辆以及相邻节点间的路径建立标签,并建立初始路径;其次,通过标签插入方法求解模糊动态问题;最后给出了方案应用失败后的处理方法.仿真实例验证了所提方法的有效性.     

三维装载约束下汽车零部件同时取送的循环取货路径优化研究

【目的】考虑汽车零部件入厂物流多频次、小批量的循环取货模式和在取货同时返还零部件物流箱的现实需求，探讨了三维装载约束下汽车零部件同时取送的循环取货路径问题。【方法】构建以运输和线边库存总成本最小为目标的数学模型，设计了两阶段蚁群算法，第一阶段由车辆路径规划子算法得到近似最优解的记忆库，第二阶段利用装载可行性检验子算法得到可行解。【结果】实例仿真结果表明：使用简单算术相加的模糊车辆装载约束得出的取货方案无法实现车辆成功装载。考虑三维装载约束的循环取货方案的路线由2条增加为3条，虽然车辆的平均空间装载率下降了27-45%，但是确保了装载方案的可行性。【结论】考虑三维装载约束的汽车零部件同时取送的循环取货路径方案既满足了取货同时返还零部件物流箱的现实需求，又保证了方案中车辆三维装载可行性。     

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

A GA approach to vehicle routing problem with time windows considering loading constraints

As a new variant of vehicle routing problem (VRP),a finished vehicle routing problem with time windows in finished vehicle logistics (FVRPTW) is modeled and solved.An optimization model for FVRPTW is presented with the objective of scheduling multiple transport routes considering loading constraints along with time penalty function to minimize the total cost.Then a genetic algorithm (GA) is developed.The specific encoding and genetic operators for FVRPTW are devised.Especially,in order to accelerate its convergence,an improved termination condition is given.Finally,a case study is used to evaluate the effectiveness of the proposed algorithm and a series of experiments are conducted over a set of finished vehicle routing problems.The results demonstrate that the proposed approach has superior performance and satisfies users in practice.Contributions of the study are the modeling and solving of a complex FVRPTW in logistics industry.     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

一类带时间窗的行车路线的求解算法

本文对传统的节约算法进行改进,建立了带时间窗的行车路线优化选择问题的数学模型。并给出一具体实例来展示此算法的原理及解题过程。通过实例可以看出,此种算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,能够很好地解决有时间约束的车辆路线安排问题。     

Improved Multi-Agent System for the Vehicle Routing Problem with Time Windows

The vehicle routing problem with time windows (VRPTW) involves assigning a fleet of limited capacity vehicles to serve a set of customers without violating the capacity and time constraints. This paper presents a multi-agent model system for the VRPTW based on the internal behavior of agents and coordination among the agents. The system presents a formal view of coordination using the traditional contract-net protocol (CNP) that relies on the basic loop of agent behavior for order receiving, order announcem...     

遗传算法在有时间窗车辆路径问题上的应用

应用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ—ＧＡ）求解有时间窗车辆路径问题,获得其近优解或最优解．使用一种直观的编码方法,提出基于优先关系的交叉算子,实验表明,这种ＧＡ能够有效地解决复杂的优化问题     

基于免疫算法的带软时间窗车辆调度问题

在对带软时间窗车辆调度问题(VSPSTW)简要叙述的基础上建立了VSPSTW数学模型。针对VSPSTW问题,构造一种免疫算法来求解VSPSTW,并提出了一种新的抗体编码、改进的亲和力计算方法,将求解结果与遗传算法比较。结果表明:该算法对于求解VSPSTW问题具有较好的性能和更好的鲁棒性。