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。     

动态需求下车间生产物流VRP优化

为适应智能工厂生产物流管控智能化与生产过程柔性化的要求,考虑"多品种、小批量"模式下生产节拍变动引起的物料配送和产品运输不确定因素,基于传统软时间窗提出一种曲线型软时间窗,构建在不同服务时间段的成本惩罚函数,以此表示客户对服务时间的满意度。在此基础上,考虑动态需求等特性,构建了以物流运输总成本、总时间成本最低和服务满意度最优的多目标车辆路径问题数学模型。模型求解采用改进的NSGA-Ⅱ算法,该算法采用两段式染色体编码方式进行编码,在迭代进化过程中,为提高交叉变异后解的质量,引入正态分布交叉算子,同时改进自适应交叉与变异概率公式。通过实例验证了目标模型和改进NSGA-Ⅱ算法的有效性和可行性。     

丝绸之路经济带危险货物公铁联运路径优化

以丝绸之路经济带为背景,研究危险货物公铁联路径优化问题。组织危险货物公铁联运时,运输路径的选择对于降低作业风险和运输成本至关重要。本文系统分析了公路与铁路的运输成本及风险,建立了兼顾成本（运输成本、碳排放成本、软时间窗惩罚成本）和风险（运输风险）的多目标非线性优化模型,通过线性加权转化为单目标优化问题,并设计了改进非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-Ⅱ）求解。改进种群初始化过程,引入协同选择的精英策略,并改进了交叉算子。最后,结合算例进行求解,结果表明：改进后的NSGA-Ⅱ算法空间分布更为均匀,且前沿跨度更大,优化的运输方案中运输节点更少、运输路径更短;总成本、总风险相比NSGA-Ⅱ算法更低,算法搜索性和求解精度明显提高。     

基于改进遗传算法的家电回收车辆路径规划方法

为了提高家电回收效率以及降低回收成本，提出了一种基于改进遗传算法（GA）的家电回收车辆路径优化方法。将家电回收车辆路径规划问题建模为一个变体的旅行商问题（TSP）以最小化运输成本，但该问题难以在多项式时间内进行求解。提出了一种基于高斯矩阵变异（GMM）算子的改进遗传算法，利用原始站点数据信息中隐含的站点位序分布特性建立高斯概率矩阵，并采用轮盘赌选择法将高斯概率矩阵作用于个体基因突变，在保证种群基因多样性的同时，引导种群向高适应度方向进化。最后，采用上海地区的家电回收点实际数据开展实验仿真以验证所提出算法的有效性，并与其他算法进行对比。结果表明，与传统遗传算法相比，在将求解精度差保持在1%以内的情况下，所提出改进遗传算法的平均收敛速度可以提升50%～60%，算法耗时降低48%。     

多LNG点供企业联合配送的半开放式车辆路径问题

为解决多家LNG点供企业联合配送的路径优化问题,构建带时间窗的半开放式多中心车辆路径模型.考虑到LNG具有危险化学品特性,限制了 LNG槽车的通行路段,为求解该问题,设计改进的回溯搜索优化算法,提出客户信息与配送中心信息相对独立的新型编码方式,有效解决了车辆容量限制可能会导致传统自然数编码长度不一致,进而影响种群交叉、变异的问题.最后,利用Cplex和改进回溯搜索优化算法求解算例,结果验证了数学模型的正确性及算法的有效性,证明该联合配送模式可以有效降低运输成本及LNG槽车的运输风险.     

改进遗传算法求解带模糊时间窗冷链配送问题

为优化冷链物流配送路径,降低配送成本、提高客户对产品送达时间的满意度水平是冷链物流的关键。考虑到冷链物流承载的货物具有一定的特殊性且对温度的要求较高,提出在冷链物流配送中设定模糊时间窗反映顾客满意度。建立了运输成本、货损成本、时间成本等配送成本最小化和以模糊时间窗进行量化客户满意度最大化的多目标优化模型,采用改进遗传算法求解带模糊时间窗冷链配送问题。通过算例分析,验证了模型和算法的有效性与研究的实用价值。     

多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

基于修正遗传算法的含服务费的车辆路径问题

在一般的带时间窗的集配货一体化问题研究的基础上增加了对装卸货产生的服务费的研究。通过推理计算求出包括服务费在内的各部分费用在总费用中所占权重,建立含服务费的带时间窗的集配货一体化车辆路径问题(VRPPDTW)模型。在求解时基于遗传算法并对算子做出修正,通过动态自适应技术修正交叉算子和引入2-opt操作修正变异算子,通过修正确保种群的多样性和稳定性并提高算法的求解效率。最后,通过数值例子对文章的模型和计算策略进行验证。结果显示:执行修正遗传算法(MGA)的最优成本为246.136;执行自适应规则确定交叉概率遗传算法(AGA)的最优成本为275.944 3;执行标准遗传算法(SGA)的最优成本为304.188 6;经过多次反复执行验证,使用修正遗传算法较其余两种算法更适合求解此模型。     

基于混合自适应遗传算法的路径规划研究

为解决供应商管理库存（VMI）模式下带时间窗的车辆路径规划（VRPTW）问题，综合考虑多种条件建立了具有多目标约束的数学模型，并创新性提出混合式自适应遗传算法，该算法在自适应遗传算法（AGA）的基础上加入了节约算法构造种群的初始解，引入了随机遍历抽样法进行选择操作，改进了算法的交叉方式，最后运用大规模邻域搜索法（LNS）对变异后的种群进行破坏和修复操作。通过MATLAB软件进行仿真实验，与传统自适应遗传算法进行对比，运输成本显著性降低了50%，据此得出该混合式自适应遗传算法在解决VRPTW问题时具有更强更科学的全局搜索和快速收敛的能力，以期更高效合理地优化供应商车辆配送路径规划。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

半开放式的多车场移动充电车路径优化

为解决移动充电平台投入运营成本高的问题,考虑应急服务点时间窗、流量平衡及充电车里程限制等约束,建立包括移动充电车为应急服务点提供充电服务的车辆启动成本、行驶成本和违反应急服务点的时间窗惩罚成本三者总和最小的混合整数非线性规划模型,通过分支定界法和遗传算法研究了半开放式的多车场移动充电车路径优化问题。结果表明：对半开放式的多车场移动充电车路径优化问题进行10次求解,GAP均值为1.22%,说明遗传算法具有良好的稳定性;与单车场独立服务模式对比分析,半开放式多车场联合服务可为移动充电车提供更多路径选择,减少充电车行驶里程,降低平台运营成本;对比顾客点集中分布情形,在顾客点随机分布和混合分布情形下,移动充电平台的成本节约效果更为显著。     

运力受扰下的物流无人机干扰恢复模型

为了解决无人机（unmanned aerial vehicle，UAV）运力受扰对末端包裹交付造成的干扰问题，运用干扰管理思想，从客户服务和配送成本角度进行扰动度量，综合考虑无人机能耗、配送时效性、飞行可靠性、飞行安全性等因素建立干扰恢复模型；运用蚁群算法求解问题模型，最后用算例验证本文方案的有效性。结果表明：通过分析3组干扰场景发现，当干扰发生时刻早、受扰客户多时，所建立的恢复模型方案和原始方案对比，可以在短时间内产生新的配送路径，同时以较小的成本代价提高客户服务满意度，实用性更强。     

生鲜品多中心区域协作半开放式配送路径研究

针对生鲜产品区域配送问题,在新物流理念下,建立了区域协作下多中心半开放式配送路径.鉴于生鲜品配送的独特性,将时间窗及满意度考虑在内,构建在时间惩罚、满意度指标及路径约束条件下的成本优化模型.结合A生鲜企业数据,设计了一种改进的自适应遗传算法与变邻域搜索算法相结合的混合算法解决问题.通过仿真实验证明模型合理性以及算法实效性.实验表明,区域协作下多中心半开放式配送方案对比各区域独立封闭式配送方案具有改进性,提高了物流配送的效率,降低成本同时保证高客户满意度,有助于生鲜配送企业整体发展.并在此基础上,对生鲜配送企业进一步发展提出建议.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性以及节点运输能力与中转能力对路径优化产生的影响.结果表明,基于模拟退火的粒子群算法的寻优能力优于粒子群算法.随着客户对需求量的满意度增加,总运输成本和碳排放量也会增加,增强各种运输方式的运输能力和节点中转能力可以有效降低运输成本,优化运输路径,为决策者选择运输方案提供依据.     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明:文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

基于改进麻雀搜索算法及动态窗口法的路径规划

对于麻雀搜索算法收敛中期局部探索能力不足、在路径规划方面路径不平滑且动态避障能力差的缺点。首先针对麻雀搜索算法局部探索能力的不足，利用混沌映射初始化种群，并且利用上一代全局最优解与动态自适应权重优化发现者位置更新方式；然后，使用一种线性路径策略，减少折点与节点数量；最后，针对其路径不平滑，动态避障能力差的缺点，将优化后的麻雀搜索算法与动态窗口法融合。实验结果表明改进的麻雀搜索算法与动态窗口法融合算法平衡了全局与局部发掘能力，加快了寻路过程的收敛速度，优化了路径且避障能力显著提高。     

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。