求解带时间窗车辆路径问题的插入检测法

在求解带时间窗车辆路径问题各类算法的插入检测过程中, 针对已有检测时间窗口约束是否满足的方法存在效率不高的缺点, 引入时差的概念, 设计了基于时差的插入检测法, 并分析比较其与已有的插入检测法的计算性能; 应用标准测试算例测试显示, 时差插入检测法比已有的插入检测法具有更快的检测速度.     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

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.     

求解带时间窗车辆路径问题的有效混合PBIL算法

针对带时间窗车辆路径问题（vehicle routing problem with time windows, VRPTW）, 提出了混合种群增量学习算法（hybrid population-based incremental learning algorithm, HPBIL）, 用于同时最小化车辆数和总行驶距离. 在HPBIL中, 通过改进标准的PBIL概率模型以提高算法的全局探索能力, 同时设计了基于插入法和两点邻域交换法的两阶段局部搜索来增强算法的局部开发能力. 仿真实验和算法比较验证了HPBIL的有效性和鲁棒性.     

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.     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

多车型电动汽车车辆路径问题的分支定价算法研究

随着环境意识的日益提升和电动汽车的逐渐普及,考虑到物流企业中不同类型的电动汽车的电池最大容量、电池充电率、电量单位消耗率、最大载重量、固定成本和可变成本不同,本文研究含时间窗的多车型电动汽车车辆路径问题,建立了一个混合整数规划模型,并利用分支定价算法求其最优解.为了加快算法的求解速度,本文提出生成下界值的方法以对车辆类型进行预处理操作,并制定了生成整数解上界的策略以压缩解空间.然后,通过用多组算例验证了模型和算法结果的准确性,同时也证明了本文提出的加速过程能有效地提高算法的求解速率.最后,通过不同规模的算例分析了车辆可变成本的变化对结果的影响.     

带硬时间窗的战场物资配送车辆路径优化

针对战场物资配送中带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立了多目标模糊期望值模型,提出了一种改进的约束多目标粒子群优化算法。算法采用基于相位空间思想的实数编码方式,提出了带优秀不可行解动态记忆机制的非支配解构造方法,基于自适应栅格和拥挤距离的混合多样性策略维护非支配解集,改进了个体向导更新方式,提高了算法的收敛性能,同时引入局部搜索和变异算子避免算法早熟。仿真实验表明了模型的合理性和算法的有效性。