禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

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(Genetic Algorithm-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.     

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     

改进的遗传算法及在物流配送路径优化中的应用

物流配送中带有时间窗车辆路径问题（vehicle routing problem with time window,VRPTW）是复杂的NP-Hard难题,本文针对这个问题提出一种改进的遗传算法．针对简单遗传算法容易出现“早熟收敛”的问题,算法设计了一种基于个体浓度的群体多样性保持策略,将其作为选择算子,依据个体期望繁殖率来选择子代,引入新颖的CX交叉算子．通过对实际的物流配送实例进行实验和计算,实验结果表明,该遗传算法可以更加有效地求得有时间窗车辆路径问题的优化解。是解决物流配送车辆路径安排较好的方案．     

求解车辆路径问题的改进蚁群算法

为解决基本蚁群算法的过早收敛的缺陷,提出一种将遗传算法和蚁群算法融合的改进的蚁群算法.即使用蚁群算法求解出完成所有配送任务的车辆行驶路径,并将其作为局部最优解;然后,使用遗传算法的交叉变异算子对第一步搜索出来的局部最优解进行优化,筛选出全局更优解.仿真实验证明:改进后的蚁群算法与现有的求解车辆路径优化问题的蚁群算法相比,具有更快的运行速度,找到最优解的概率更高,且避免了基本蚁群算法的过早收敛.     

多车型集配货一体化车辆路径问题研究

针对客户存在收货和发货双重需求的物流配送问题,讨论具有多种车型的集配货一体化车辆路径问题。在综合考虑各车型的固定成本和可变配送成本的前提下,以总成本最小为目标,以尽可能提高车辆满载率、减少出行次数为思路,构建多车型集配货一体化车辆路径优化模型。基于最小插入费用法设计初始可行解生成算法,通过引入基于概率的多算子邻域操作、最优解记忆装置、多准则终止原则对模拟退火算法进行改进,给出求解思路。设计算例并对多车型单/双向集配货模型的求解结果进行比较,以验证模型的实用性和算法的有效性。研究结果表明:使用改进后的模拟退火算法对构建的多车型集配货一体化车辆路径问题模型求解更直接简便,对多车型集配货一体化车辆路径优化后能有效降低配送成本。     

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.     

带时间窗和货物权重的车辆路径问题的研究

提出了带货物权重及时间窗的车辆路径问题在车辆数不确定条件下的一个新的求解算法.通过利用轮盘赌选择策略,既能使最优个体进入下一代,又避免了个体之间因为适应度不同而被选择进入下一代的机会相差很大,从而保证了下一代的多样性并提高了算法的收敛速度.选用cx交叉算子有效避开遗传算法的"早熟收敛",同时对路径划分算法进行优化,从而达到VRPTWW车辆数与路径双重优化.数值实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

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.     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点，该问题属于NP难题，较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上，构造了一种免疫克隆算法来求解该问题，并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明，免疫克隆算法能快速收敛于全局最优解，克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点，可有效地解决物流配送车辆路径优化问题．     

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.     

半开放式多车场车辆路径问题

基于现代物流业发展的实际需要,提出半开放式多车场车辆路径问题,并建立了数学模型.由于半开放式多车场车辆路径问题具有NP-hard性质,为了有效求解,基于车辆路径问题中的经典路径构造算法和局域搜索算法,设计了求解所提出问题的节约算法、顺序插入算法和并行后悔插入算法.利用标准算例进行数值试验,分析了3种算法中的参数和所嵌入局域搜索方法对求解结果的影响,并对不同算法的求解结果进行了对比分析.关     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

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.     

Internet中的多播路由选择算法

Ｉｎｔｅｒｎｅｔ 中多播路由选择问题可归化为最小 Ｓｔｅｉｎｅｒ 树问题，而该问题是一个 Ｎ Ｐ 难题，当前只存在若干种启发式算法。基于遗传算法和最小树算法，提出并实现了一种新的自适应路由选择算法，经编程运行发现，此算法具有良好的实际应用前景。     

基于转移支付的非一体化库存路径问题协调模型

文章研究一个配送中心和N个具有确定需求的需求点的库存路径协调问题,首先讨论独立决策下各参与者的决策,即各个需求点利用EOQ模型得出自己的最优订货量和周期,而配送中心只能根据这些订货量和周期进行配送,采用C-W节约算法求解车辆的调配和配送路径;研究了一体化库存路径问题,利用改进的遗传算法嵌套C-W节约算法,给出了一体化库存路径问题的最优决策,探讨了使用转移支付的协调手段让所有需求点都合作的条件。     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

有时间窗约束单车场单车型非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的NP难题,一直成为运筹学与组合优化领域的前沿与研究热点问题,但传统的方法往往不能令人满意,利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题,构造了有创新性的染色体结构,并在遗传算法的迭代过程中与启发式算法交叉应用,现实应用中获得了很好的效果.     

适于物流配送车辆导航路径规划的遗传算法研究

本文主要针对物流配送车辆导航本身的特点,分别对遗传算法的初始种群产生方法,交叉方法,变异方法进行了改进,并实现了遗传算法中参数的自适应调整,提出相应的改进型遗传算法。实验结果表明,本文提出的自适应遗传算法能快速有效地解决物流配送中的点到点型路径规划,能满足物流配送车辆导航实时性的要求,是适于物流配送的有效算法。