基于改进蚁群算法的物流车辆调度问题研究

传统蚁群算法在求解中容易出现搜索时间长、收敛过早或停滞现象,为克服这些缺点,通过对蚁群算法进行选择策略、信息素更新等方面的改进,以加快算法的收敛速度,提高算法的搜索能力。再将改进后的蚁群算法引入物流运输车辆调度、综合车辆调度理论,对物流运输车辆的优化调度进行了探讨,对有时间窗车辆调度问题(VSPTW)探求新的求解方法,运用Matlab语言进行编程实现,应用实例对算法进行验证。实践证明,改进后的蚁群算法基本上克服了一般蚁群算法自身的不足,提高了算法的性能。     

基于改进ABC算法的城市内涝应急车辆路径优化

考虑到城市内涝道路受损等因素,构建了车辆调度成本、时间惩罚成本和风险成本同时最小化的多目标优化调度模型.为了求解满足约束的最优调度方案,设计了一种改进的人工蜂群算法,引入自适应维度更新、全局搜索和混沌搜索更新策略,提高基本人工蜂群算法的求解精度和稳定性等性能.算例仿真结果表明,改进算法与标准算法相比,具有更好的寻优性能,可提供更优的调度方案.     

疫情期间应急物资车辆路径优化方法

在新冠肺炎疫情期间，全力保障应急物资流通，是保持生产生活平稳有序运行的先行条件。本文建立基于智慧物流系统的应急物资车辆运输系统架构，实现物流信息透明化。并基于百度地图实时监测道路拥堵情况，结合头脑风暴算法内核，根据实况路网模型求解带时间窗的应急物资车辆调度模型，使用Matlab工具结合隔离点实际地理坐标经纬度对其路径规划方案进行仿真，实现应急物资流通过程的数据交互和车辆调度方案的实时调整。该方法改善了疫情期间应急物资的运输效率。     

求解TSP的离散人工蜂群算法

针对旅行商问题,提出了一种新型的离散人工蜂群算法.根据该优化问题及离散量的特点,对引领蜂、跟随蜂和侦查蜂角色转变机制和搜索策略进行了重新定义.蜂群角色转变基于定义的收益比因子.引领蜂邻域搜索采用2-Opt算子和学习操作来加速算法收敛速度;跟随蜂搜索引入禁忌表来提高算法的局部求精能力;侦查蜂搜索定义了排斥操作来保持种群的多样性,从而较好地平衡了算法的探索及开采能力.实验结果表明,算法能够在较短时间内找到相对满意解,提高了TSP的求解效率.     

基于文化基因算法的电动公交车辆调度方法

针对电动公交车辆调度问题,提出一种基于文化基因算法的车辆调度方法.首先,设计了初始个体生成算法用来构造初始种群;然后,设计了一种针对公交车辆调度问题的交叉操作用于全局搜索,改进了3种邻域搜索算子,并将其与已有的邻域搜索算子结合用于局部搜索.最后,设计了一种基于车辆块的评价函数,用于引导邻域搜索算子进行搜索.将该方法用于某市的实际三条公交线路,结果表明:与人工调度方案相比,该方法可减少1～7辆车,提高平均车辆利用率,运行时间小于15 s.     

基于混合离散人工蜂群算法的置换流水车间调度

针对以最小化最大完成时间为调度目标的置换流水车间调度问题,提出了混合离散人工蜂群算法.初始化种群采用NEH和随机方法.在算法的雇佣蜂阶段和侦查蜂阶段分别采用离散差分进化策略和变邻域搜索的变体产生邻域个体,为了兼顾算法的全局搜索和局部搜索能力,雇佣蜂阶段接受新个体采用模拟退火的概率突跳机制,而选择利用锦标赛方法,并对跟随的个体按一定概率进行局部搜索.此外,在侦查蜂阶段对锦标赛选择的个体执行破坏重建操作,用新产生的个体代替较差的个体.利用正交实验法调节算法参数,通过与其他算法的仿真实验结果比较,验证了算法的有效性.     

突发事件下应急冷链物流配送模型

以响应灾害事件发生后应急冷链物流资源调度时间最短为目标,构建了应急冷链物流调度的数学模型,并基于网络优化和线性规划优化思想,运用启发式算法对应急冷链物流调度模型进行求解,再采用MATLAB算法语言设计了冷链物流的仿真程序,最后提出相应的对策建议。     

求解随机阻塞批量流水线调度问题的改进人工蜂群算法

针对含有随机加工时间的阻塞批量流水线调度问题,利用蒙特卡洛采样方法,将不确定加工时间的阻塞批量流水线调度问题转化为确定加工时间的阻塞批量调度问题。采用改进的人工蜂群算法,对上述转化后的调度问题进行求解。算法中加入了和声搜索和基于插入操作的局部搜索算子,以改进全局探索和局部开发能力,并将改进的算法应用到阻塞批量调度的24个算例中。仿真实验结果表明,改进的人工蜂群算法能够降低调度中的不确定因素带来的影响,产生高质量的解。     

改进人工人群搜索算法在基于LBS物流配送中的应用

以基于LBS物流系统的物流车辆路径规划为研究对象,将一种改进人工势场法与人群搜索算法相结合,对LBS系统中物流车辆的路径规划进行优化.该算法首先利用LBS系统获取环境信息,包括车辆、目标和障碍物的位置和速度信息,其次在基本人工势场法的基础上加入速度因子,使配送车辆初步形成能躲避障碍物并追踪动态物流对象的可行性路径,随后利用人群搜索算法,在可行性路径中搜索最短路径,进而生成物流车辆至动态物流对象的最优路径.该算法有效的将改进式人工势场法和人群搜索算法紧密结合在一起,通过仿真实验证明了该算法在基于LBS的物流系统中物流配送路径规划的有效性,同时将该算法与传统路径规划A*算法进行对比,证明该算法有效的提高了系统中的整体搜索效率.     

基于ArcGIS Server的车辆调度管理系统的设计与实现

针对应急物流车辆调度中车辆使用数量和种类较多,行车道路受干扰较大的特点,为提高车辆使用管理效率,确保运输安全,以及应急物流运输的时效性和准确性,利用ArcGIS Server和Flex搭建了一个基于WebGIS的管理系统;系统实现了驾驶员和车辆信息管理、最佳行驶路径制定、车辆在途监控等功能,为应急物流车辆调度提供一个交互性较高的平台.     

混沌人工蜂群算法

针对人工蜂群算法搜索精度较低、容易陷入局部最优的缺陷,将混沌搜索机制融入了人工蜂群算法,利用混沌机制重置个体,以保持个体的多样性;同时加入全局最优个体信息和惯性调整因子对个体位置进行更新,提出了混沌人工蜂群算法,并将该算法应用于水电站经济调度问题.实验结果显示,混沌人工蜂群算法搜索精度高、速度快,鲁棒性强,是一种较实用的优化算法.     

信息传播影响下基于进化蜂群算法的应急车辆路径优化设计

为了能够准确反映信息传播对于应急物资需求的影响以及有效优化应急配送车辆的路径,构建了基于双层扩散网络的需求预测模型和改进的离散人工蜂群算法（进化蜂群算法）。首先,在分析扩散网络中事件层和信息层关系的基础上构建了物资需求预测模型。其次,在进化蜂群算法中,依据适应度值和历史进化程度来甄别优秀信息,并融合了交叉算子和变异算子...     

一种基于混沌搜索改进的人工蜂群算法

针对人工蜂群算法存在容易陷入局部最优解以及收敛速度慢的不足,提出了一种改进的人工蜂群算法.该算法在基本人工蜂群算法的基础上,根据可能解上的适应值定义搜索步长来解决陷入局部最优的问题,根据可调的参数定义食物源选择概率模型来解决收敛速度慢的问题,该选择的概率模型是基于混沌搜索定义全局最优解的搜索方法.最后,在7种不同的测试函数上对改进后的算法进行了实验测试,实验结果表明该改进算法比基本人工蜂群算法有着更高的搜索精度和较低的时间复杂度.     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

基于混合蜂群算法的柔性作业车间调度优化

针对柔性作业车间调度求解问题,提出一种新型混合蜂群智能优化算法.该算法采用独特的编码方式和位置更新策略来避免不合法解的产生,在蜂群算法的基础上增加了有利于局部搜索的混沌算子提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了该算法的有效性和优越性.     

基于人工蜂群算法求解不同尺寸工件单机批调度问题

采用人工蜂群算法对工件尺寸有差异的单机批调度问题的制造跨度进行优化的提出,是针对问题的离散优化特征,采用遗传算法中的变异操作方法产生蜂群路径的邻域解. 在解码时采用Batch First Fit算法,将蜂群的路径转化为可行的批调度方案,来获得制造跨度. 仿真实验中对问题的各种不同复杂度的随机算例均进行了编程实现,结果表明人工蜂群算法在求解该问题时是有效的.     

大兴安岭森林火灾应急资源优化调度研究

针对大兴安岭森林火灾救援中的单出救点、多需求点的二级应急资源分配系统,首先,基于大兴安岭森林火灾的发生规律、火势蔓延的影响因子,以及火势蔓延模式,改进已有的林火火势蔓延趋势模型.其次,根据着火点火势蔓延速度,区分受灾点灾情程度,确定分配应急资源的优先度.最后,进行应急资源分配和救援消防车辆的优化调度.针对前者,以森林损失和救援开支费用最小为目标,建立资源分配优化模型;针对后者,以火灾应急物流系统所需时间最少和费用最小为目标,建立多目标优化模型,并用免疫克隆算法进行求解.实例证明该模型完善了森林火灾救援中应急资源调度体系,为资源的合理调配提供了指导.     

基于模拟退火算法的硬时间窗配送车辆调度问题研究

基于现实中影响物流成本较大的配送车辆调度问题,构建了硬时间窗下的配送车辆调度问题数学模型。通过模拟退火算法对硬时间窗车辆调度问题进行了数值分析,得到了较好的计算结果和较高的计算效率,从而为今后更好地解决此类硬时间窗配送车辆调度问题提供了行之有效的研究方法。     

基于改进多目标布谷鸟搜索算法的 汽车装配线物料配送调度

考虑将电动车辆用来进行基于点对点配送策略的汽车装配线的物料配送,提出了改进多目标布谷鸟搜索算法. 首先,对该物料配送调度问题进行描述,在统筹考虑电量限制和准时化配送要求的基础上建立了以车辆数量和最长搬运时间作为衡量指标的目标函数,并开发了直接反映配送车辆和配送次序的融合编码机制. 然后,设计任务分配规则构造初始解,并在基于混沌动态步长的搜索过程中加入高斯变异和精英选择策略来提高算法的全局搜索能力和解的质量. 此外,开发两种局部搜索算子以强化算法深度寻优能力. 最后,仿真实验结果验证了该调度算法的可行性和有效性.     

基于改进C-K节约算法的第三方冷链物流企业车辆调度

针对冷链车辆调度中存在的配送任务重、配送成本较大、冷链物品的质量要求高、制冷追踪技术要求先进等问题,结合第三方物流企业的多商品多零售商特点,提出了新的基于改进C-K节约算法的单货栈第三方冷链物流企业的车辆调度模型.该模型以配送总成本最小为目标函数,以配送点时间窗要求、货物运输总时间限制、冷藏车体积容量和载重量限制为约束条件.以北京某第三方冷链物流企业的货物配送实例作为研究对象,利用C++编写算法程序实现了对模型的求解,求解结果验证了该模型的合理性.