带软时间窗物流配送车辆路径问题的并行遗传算法

针对一般遗传算法在求解有时间窗车辆路径问题时初始种群的单一性,提出一种新的算法.该算法对不同的种群用不同的初始化方法--随机初始化法和构造初始化法,这种算法改变了过去那种种群内部的平衡.并将该算法所得结果与其他算法进行比较,表明该算法的合理性.     

求解有时间窗的车辆路径问题的混合蚁群算法

针对目前蚁群算法在求解有时间窗的车辆路径问题上存在的缺陷,提出一种搜索效率较高的混合蚁群算法,阐述了混合蚁群算法的基本原理,给出了求解有时间窗的车辆路径问题的具体步骤.计算机实验结果表明,混合蚁群算法在求解有时间窗的车辆路径问题上是有效的.     

求解带软时间窗的车辆路径问题的改进遗传算法

带软时让窗的车辆路径问题(VRPSTW)是在基本的车辆路径问题(VRP)上增加了时间窗约束条件的一种更化形式，是一个典型的NP-难问题。通过引用一种新的编码方法、交叉和变异概率的自适应机制，构造一个改进的遗传算法来求解VRPSTW，并将求解结果与其他遗传算法比较。比较结果显示，该算法具有较好的性能。     

带有时间窗约束的车辆路径问题的一种改进遗传算法

有时间窗的车辆路径问题(VRPTW)是一个典型的NP-难题,传统求解方法往往不能令人满意。在分析现有求解该问题的遗传算法的基础上,设计了一种类似TSP问题染色体编码方式的遗传算法,为此引进了一种新颖的染色体解码算法,用来求解带有时间窗的车辆路径问题。通过使用相关文献中实例的数值试验对比,该结果优于那些文献中的结果。     

有时间窗的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,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

有时间窗约束非满载车辆调度问题的遗传算法

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。针对非满载的VRP问题具有组问无序、组内有序的特性，采用一种有效的改进交叉算子，最大程度的保留了父代的优良特性并增强了算法的寻优能力，避免了早熟现象的发生，应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真，得出了最优解，证明了本算法的优越性。     

带时间窗的开放式满载车辆路径问题建模及其求解算法

为满足某些企业的满载运输需求, 针对运输任务对车辆具有独占性的特点, 分析得到总运输费用的大小取决于车辆的空车运行费用, 在此基础上, 将带时间窗的开放式满载车辆路径问题转化为带时间窗的多车场开放式车辆路径问题, 建立了相应的数学模型, 并设计了改进的自适应遗传算法进行开环路径求解, 并把算法应用于某木材厂的周运输计划的制定, 算法在很短时间内求得了运输方案, 比木材厂原运输方案减少了车辆数, 并节省了运输费用. 实验证明, 算法是可行和有效的.     

遗传算法在有时间窗车辆路径问题上的应用

本文用遗传算法求解有时间窗车辆路径问题,获得其近优解或最优解．传统的交叉算子如ＰＭＸ,ＥＲ和ＣＸ等对多约束问题的适用性受到限制,本文使用一种直观的编码方法,并提出基于优先关系的交叉算子．实验表明这种遗传算法能够有效地解决复杂的优化问题     

求解车辆路径问题的一种遗传算法

车辆路径问题(VRP)是一个典型的NP-hard问题,采用传统方法求解往往找不到满意解。在分析现有求解该问题的遗传算法的基础上,对现有的交叉算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解一般的和有时间窗限制的车辆路径问题。采用文献中的实例进行了数值试验,试验结果表明该算法是有效的。     

不确定车辆数的车辆路径问题模型和混合算法

提出用遗传算法(Genetic Algorithms,GA)和禁忌搜索算法(Tabu Search Algorithm,TSA)结合求解不确定车辆数的车辆路径问题.首先描述了带有能力约束的VRP的数学模型,由于车辆数不确定,因此提出另一目标函数,即最小化车辆数,与最小化距离同为目标函数建立了双目标数学规划模型.在车辆数不确定的情况下,把聚类和排序有机地结合起来,并用GA和TSA相结合的混合算法对问题进行求解,即以GA为主,把TSA用在GA的变异操作中,增强算法的爬山能力.实验结果表明,混合算法获得的最好解、平均装载率和计算成本都比较令人满意.     

装卸一体化车辆路径问题的遗传算法研究

针对装卸混合的车辆路径问题这一类典型的NP难题,采用四位数的遗传编码,并对解的可行性进行验证,降低对交叉算子和变异算子的要求,有效提高解的质量.最后对二十个客户点的装卸混合的问题作了数值试验,结果表明遗传算法作为一种有效的随机型全局搜索算法,体现出群体智能的分布型、鲁棒性和快速性的特点.     

一体化集货和配送车辆路径问题的混合遗传启发式算法

为满足电子商务客户多样化和个性化的需求,建立多约束条件的一体化集货和配送车辆调度模型.针对模型特点,采用混合遗传启发式算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优;其次,对混合遗传算法求得的精英种群进行禁忌搜索求解.通过实例计算表明,该算法好于单独使用遗传算法或是禁忌搜索算法.     

车辆路径问题的改进遗传算法

通过引入新颖交叉算子 ,构造了一种改进遗传算法 ,此算法摆脱了对群体多样性的要求 ,不存在传统遗传算法常见的“早熟收敛”问题 .将该算法用于解决车辆路径问题 ,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 ,是求解车辆路径问题的一个较好方案 .     

免疫算法在带时间窗的车辆路径问题中的应用

根据带时间窗的车辆路径问题的实际情况,提出了一种基于分组匹配的亲和力的计算方法.实验结果表明,免疫算法能有效地解决带时间窗的车辆路径问题.计算结果优于节约算法、分派算法、遗传算法.     

车辆路径问题的遗传算法研究

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达,并对染色体进了可行化影射,建立了此问题的遗传算法．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     

带时间窗可回程取货车辆路径问题的元胞鱼群算法

在研究带时间窗可回程取货车辆路径问题数据模型的基础上,将人工鱼群算法的仿生学原理与元胞自动机的邻域邻域模型和状态迁移规则相结合设计了元胞鱼群算法.算法通过在每次迭代后进行元胞空间的信息交换,并利用交换序方法对鱼群算法进行重构,改善了对解空间的搜索性能.仿真实验结果表明,元胞鱼群算法有良好的寻优能力,具有一定的工程应用价值.     

求解同时取货和送货车辆路径问题的改进遗传算法

同时取货和送货车辆路径问题(VRP_SPD)是经典车辆路径问题(VRP)的一个扩展,在VRP_SPD中,顾客可能要求同时取货和送货服务。本文针对这类问题,提出一种以集成方式处理取货和送货操作的改进遗传算法,通过采用一种改进的边重组交叉算子,保证了算法在遗传进化中保留父代路径上边之间邻接关系的映射信息,从而改进了算法性能;并通过在遗传进化控制参数中应用自适应策略,提高了算法的稳健性。仿真分析表明,本文算法比现有算法能取得更好的优化结果,且具有很好的稳定性。     

具有同时集送货需求的车辆路径问题的粗粒度并行遗传算法

设计了求解VRPSDP的粗粒度并行遗传算法(CGPGA),其中遗传算法以最优划分法计算适应值,邻域搜索法作为变异算子,定义了群体多样性结构.并行算法以单向环作为连接拓扑,各子群体独立进行遗传操作,迁移算子用于群体间的信息交流,采用多样性替换的方法进行个体替换.论文给出了CGPGA算法在集群系统上的重复非阻塞MPI实现.对典型VRPSDP实例进行测试的结果表明:CGPGA算法在大部分实例上超过了已知最好解,未达到已知最好解的实例与已知最好解的相对误差不超过1.5%.在计算速度方面,CGPGA算法具有接近线性甚至超线性的加速比,提高了遗传算法的求解速度.