一类带时间窗的行车路线的求解算法

本文对传统的节约算法进行改进,建立了带时间窗的行车路线优化选择问题的数学模型.并给出一具体实例来展示此算法的原理及解题过程.通过实例可以看出,此种算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,能够很好地解决有时间约束的车辆路线安排问题.     

蚁群算法求解带时间窗的配送路径问题

VRP问题影响着车辆配送过程中的效率与经济效益,在现实生活中有着重要的现实意义;文章首先建立了一个带有时间窗的VRP数学模型,并针对VRP问题本身的特点,对蚁群算法中的伪随机概率公式等相关参数进行改进,最后将改进的蚁群算法应用于VRP问题的求解中;通过在matlab上进行的仿真试验,表明了此算法能够有效地改善基本蚁群算法中的收敛速度慢、易于陷入局部最优解等缺陷,并能应用于大规模的车辆路径寻优问题中.     

带时间窗约束的车辆路径问题研究综述

本文系统地论述了时间窗车辆路径问题的优化算法,路线生成法,路线改进算法和启发式算法,并展望了时间窗车辆路径问题的研究方向。     

有时间窗装卸问题的一类改进遗传算法求解

根据有时间窗装卸问题(PDPTW)的数学模型,对遗传算法进行改进,将分组编码思想用遗传算法,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

有时间窗约束非满载车辆调度问题的节约算法

车辆调度问题(Vehicle Routing Problem,简称为VRP)是物流配送中广泛存在的一类问题,VRP属于强NP问题.在建立了带有时间窗的非满载的VRP问题的数学模型基础上,对启发式算法中的节约算法进行改进,设计出带时间窗的非满载的VRP问题的节约算法.通过对8个客户和13个客户算例的具体计算结果分析该算法的性能,研究表明:节约算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,但在客户规模增加,解的空间增加后,其解的精度也随之下降.     

多车辆有时间窗约束的装卸货问题插入启发式算法

研究了多车辆有时间窗口约束的装卸货问题(m-PDPTw)的路径构造的常用算法--插入启发式算法.分析了插入算法中会影响解质量的因素,提出几个判据指导插入过程.在Solomon的VRPTW插入算法的基础上提出了改进的PDPTW插入算法.算例表明,改进的插入算法克服了简单插入算法的缺点,大大提高了解的质量.     

求解带时间窗动态车辆路径问题的改进蚁群算法

车辆路径问题作为组合优化中的一类典型问题,其模型、算法及应用被人们广泛关注和研究.在建立双目标带时间窗的动态车辆路径问题数学模型的基础上,设计了一种求解该问题的改进蚁群算法.该算法首先对所有顾客进行区域划分;其次通过在传统蚁群算法中引入交通拥堵因子,提高了计算效率;再将挥发因子取为服从(0,1)上均匀分布的随机变量,使算法能更稳定地收敛到全局最优解.最后的数值实例验证了所建数学模型和改进蚁群算法的有效性和优越性.     

定制个性化行车路线

所渭科技智能就是让一个人变成被操纵的人,却高兴地说,“世界都在我手上。”     

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.     

有时间窗车辆调度问题优化研究

电子商务物流企业将面临的是多批次、小批量、时间要求高、需求个性化的现代化市场.此时,配送车辆类型的选择、运输时间考虑、人员和车辆日常使用费用和加班费用、配送成本与配送线路选择,这些与传统的车辆调度有很大的差别,而且关系复杂、难以精确估算.因此,考虑电子商务环境下的物流配送特殊性,将传统车辆调度模型进行修改,为降低配送成本,将目标函数改为基于费用最小,即考虑到正常和加班的车辆行驶费用、车辆等待费用和人员费用等,同时,为提高配送服务质量和提高市场竞争力,将时间窗设为硬时间窗.由于车辆调度问题是NP难问题,采用改进遗传算法进行优化求解.     

车辆路径优化问题的均衡性

研究车辆路径优化问题中配送线路之间的均衡性可以提高配送服务质量。利用C larke-W righ t算法,结合打包原则和装配线线均衡算法的思想,设计出一种称为θRC的启发式算法来处理两个目标的车辆路径优化问题:一是最小化总距离,二是均衡各条线路间负载。该算法包括3个主要部分:θ约束,R运算和C运算。将该算法应用于一个有38个用户的物流配送公司的配送路线求解,结果显示该算法在总路径增长12%的情况下,实现均衡值降低85%。该算法能较好实现车辆路径优化求解中的负载均衡。     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

一种改进粒子群优化算法在车辆路径问题的应用研究

基于集合的粒子群优化算法(set-based particle swarm optimization,S-PSO) 主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO (enhanced S-PSO)算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目(number of vehicle-route,NV)和总里程(total distance,TD)上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)均有大幅度降低。     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

双目标时变速度车辆路径问题的模型及算法

提出了时变速度情况下带时间窗与回程的车辆路径问题模型,考虑最小化车辆行驶总时间和最小化总延误时间两个相互冲突目标,将双目标的问题通过加权法转化为单目标问题．由于求解固定速度车辆路径问题的方法在时变速度下不可行,因而对传统优化方法作了改进,提出两阶段方法．从计算的结果看,第二阶段的RTS（reactive tabu search）算法相对第一阶段算法的求解有较大的改进．根据不同的权重的取值,可以在两个目标之间找到一个权衡的区间,决策者根据服务的要求可以在此区间选择合适的权重获得可行的车辆调度方案．     

带时间窗约束的多类型车辆路径问题的改进节约算法

本文对节约算法进行了改进, 并利用改进的节约算法解决了带时间窗约束的多类型车辆路径问题. 得出带时间窗约束的多类型车辆路径问题的数学模型及针对此问题的改进节约算法