多重运输调度问题的模拟退火算法

提出了多重运输调度问题的模拟退火算法,实际运算表明,该算法具有较快的收敛速度,是一个较实用的算法。     

多重运输调度问题基于双表的并行表搜索算法

大型企业在生产过程中的运输组织和实施一般可归结为多重运输调度问题（ＭＶＲＰ）,本文提出了ＭＶＲＰ基于插入和双表策略的表搜索算法,以该算法为基础设计了一个并行表搜索算法。实际运算表明这些算法具有较快的收敛速度。     

多重运输调度问题的分枝定界算法及界限估计

多重运输调度问题（ＭＶＲＰ）来源于大规模生产过程的运输组织与实施。本文建立了ＭＶＲＰ的数学规划模型,研究了模型的变形形式、结构特征及解的性质;基于ＭＶＲＰ的数学规划模型,提出了它的分枝定界算法;最后给出了ＭＶＲＰ的上、下界的两个估计式,获得了需求矩阵在平衡时解的精确表示。     

多重运输调度问题的遗传算法及遗传局部搜索

提出了多重运输调度问题的几个遗传算法、遗传局部搜索算法，实际运算表明，这些算法具有较快的收敛速度，为解决实际问题提供了一条有效的途径。     

一种新型自适应混沌粒子群算法在联盟运输调度问题中的研究

提出了一种新的自适应混沌粒子群优化算法.该算法在运行过程中根据群体适应度方差和最优解的大小确定当前最佳粒子引入混沌搜索有效位置的概率,有效结合粒子群全局和混沌局部搜索,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决联盟运输调度问题,实验结果表明该算法具有较好的性能.     

不确定处理时间批处理过程的鲁棒调度新策略

针对化工批处理调度过程中处理时间不确定的问题,建立了具有分解结构的调度模型,提出了一种新的鲁棒调度策略.策略由基本调度策略和在线调整两部分组成,分别与模型的主问题和子问题相对应.提出了基于遗传算法的分解算法求解模型,以获取具有鲁棒性和最优性的基本调度策略.通过对子问题的分析,提出了运用简单的推理进行在线调整的方法,无需复杂计算,并运用动态规划的原理说明了该方法的可行性和最优性.最后用实例说明了该鲁棒调度策略的有效性.     

分布式环境下批处理机调度启发式算法求解

将批处理机调度问题扩展到分布式环境下,提出了批调度问题的一个新模型.模型中,工件动态到达各批处理机,且在加工之前和之后需要有运输时间.证明了该模型是NP难的,并通过问题的一个下界来衡量各算法性能.给出了分布式环境下批分配的一个启发式算法AR(assignment rule)以及一个分批准则BR(batching rule),在此基础上对问题的求解提出了若干启发式算法.仿真实验表明各算法均可以对问题进行有效的求解,加入分批准则对于算法有进一步的优化作用.     

两阶段流水车间成组调度问题的迭代贪婪算法

针对两阶段流水车间成组调度问题，在同时考虑序列不相关准备时间和阶段间双向运输时间约束的情况下，以最小化最大完工时间为目标建立了混合整数线性规划模型，结合问题特征提出一种协同进化迭代贪婪算法.算法将工件组间排序和各工件组内工件间排序两个子问题进行统一编码，设计了不同的启发式规则产生问题的初始解，并提出一种协同导向迭代贪婪规则对两个子问题进行联合优化，进而给出了问题的三个下界以评估算法的性能.通过不同规模的数据实验和与对比算法的比较分析，验证了所提算法的高效性和稳健性.     

基于内分泌激素调节机制的免疫算法的Flowshop调度问题

针对不确定条件下具有零等待的Flowshop调度问题,采用三角模糊数来描述不确定的产品处理时间,在模糊规划理论的基础上建立了相应的调度模型,通过中间值最大隶属度算法,将原来的模糊调度模型转化为单目标的规划模型;并基于内分泌激素调节规律,利用内分泌系统与免疫系统之间密切的双向调节关系,提出了一种新颖的解决此类问题的自适应内分泌免疫调度算法.仿真实例表明,该算法的收敛速度和搜索精度均明显优于改进的免疫算法,表明该算法的有效性和优越性.     

单跑道混合起降飞机排序问题的优化算法研究北大核心CSCD

针对单跑道混合起降飞机排序问题,考虑着陆队列的优先性以及最小时间间隔的复杂性,建立最小化队列完成时间的混合起降模型.为求解该模型,提出两种基于着陆优先的两阶段算法,即TPLP算法和M-TPLP算法.该两种算法的第一阶段均是将着陆队列从起降队列中分离,并用蚁群算法对其求解;在第二阶段,TPLP算法和M-TPLP算法分别在不允许和允许着陆飞机偏移已安排着陆时间的情况下,将起飞队列插入到已排着陆队列中,即确保了着陆飞机的不同优先性,在一定程度上能够为实际的空中交通流量管理提供理论依据.最后,通过仿真实验验证所提算法的有效性.     

带装载能力约束的开放式车辆路径问题及其禁忌搜索算法研究

对另一种类型的车辆路径问题——开放式车辆路径问题进行了研究 .提出了一种用于求解带装载能力约束的开放式车辆路径问题的禁忌搜索算法 .给出了算法对测试算例的运算结果 ,并与文献中目前最好的结果进行比较 .比较结果表明 ,在绝大多数情况下 ,该算法能求出更好的解 .     

同时送取货的随机旅行时间车辆路径问题方法

建立了同时送取货的随机旅行时间车辆路径问题(STT-VRPSPD)的机会约束规划模型,构建了分散搜索算法求解策略.分散搜索算法中,针对STT-VRPSPD问题的复杂特性,构造了解的改进策略、组合策略,并采用改进的节约算法构造分散搜索算法初始解,从而使文中设计的分散搜索算法更加适应STT-VRPSPD问题特有的负载波动性.仿真实验中,首先对分散搜索算法的参数设置进行分析,确定了最优参数组合;然后基于经典的Dethloff算例数据,构造了STT-VRPSPD的测试算例,并对分散搜索算法和遗传算法进行了对比分析,结果表明,分散搜索算法对于STT-VRPSPD的求解质量优于遗传算法.     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题。建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例。提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形。该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使用标签算法精确求解了固定商户配送顺序下的路径最优充电决策问题。测试结果表明：混合变邻域搜索算法可在极短时间内找到最优解,能大幅度降低物流成本。     

导引式局部搜索在一类过度约束VRP中的应用

针对一类带时间窗口和容量约束的车辆路线问题(VRP),给出了在过度约束即不存在满足所有约束的可行解的情况下,能够最小化约束违反成本的一种新颖的导引式局部搜索(GLS)算法。该算法通过不断动态修改原问题的目标函数,既保留了局部搜索算法的高效率,又有效克服了局部极小解的局限性,因而能够较快地返回一个满意解。求解示例表明,该算法在求解此类问题时,性能要优于常用的禁忌搜索算法。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

存在车辆租赁及共享且有时间窗的多配送中心开环VRP

针对企业自身运力有限以及旗下多个配送中心在各决策周期运力不均衡的情况,提出了一类具有多个配送中心、需要进行车辆租赁和车辆共享、有时间窗限制、开环的VRP, 建立了相应的混合整数规划模型.通过引入一个虚拟配送中心,将多配送中心VRP 转化为单配送中心VRP, 并设计了一种结合扫描算法和C-W节约算法、对车辆路径和车辆调度统筹优化的混合遗传算法.最后,以重庆天友乳业物流分公司的业务数据对该模型的可行性和有效性进行了验证, 结果表明本文所提方法与该企业现有的配送方案相比,在配送总里程、配送总成本和车辆在途时间等方面均有明显改进.此外,进行了模型参数的灵敏度分析和算法的收敛性分析, 结果表明该算法具有较好的性能.