激光切割路径优化的双重编码改进遗传算法

针对激光切割路径优化的特点,将其归纳为旅行商问题,并利用改进遗传算法进行求解。为使优化更具实际意义,建立了考虑时间距离和热效应的多目标优化数学模型。改进的遗传算法采用双重编码对轮廓扫描顺序和各轮廓的起始点同时进行优化。在编码设计时,被切割件除考虑多边形情况外还考虑到圆及椭圆的情况,通过构建的适应函数将多目标函数转化为单目标优化问题,同时为提高算法的优化性能,适应函数采用动态控制,并改进了交叉与变异操作。仿真结果表明,该算法能有效地对激光切割路径进行优化。     

多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。     

改进的遗传算法在电梯群控中应用

针对乘客候梯时间，乘梯时间，拥挤度和电梯系统运行能耗等多个目标优化的电梯群问题，给出一个改进的遗传算法。该算法在选择，交叉，变异操作时，采用首位存在最优个体，在生成初始种群时采用模糊生成其中一个解的方法。并把改进的遗传算法应用到实际电梯群控中，数值结果表示该方法是有效的，可行的。     

时变路网下多中心混合车队联合配送车辆路径优化

针对时变路网下多中心混合车队联合配送车辆路径问题,综合考虑多配送中心开放、燃油车及电动车联合配送、车辆行驶速度连续变化等因素的影响,构建以车辆固定成本、运营成本和时间窗惩罚成本之和最小为目标的优化模型.根据问题特征,设计混合启发式算法进行求解,算法中采用K-means聚类方法生成初始种群,然后用变邻域搜索算法进行搜索优...     

考虑需求变化与时变路网的同城货运路径优化

为了使客户得到更加优质的服务,设计科学合理的算法进行车-货匹配并优化车辆路径,结合同城货运平台订单需求实时变化特点,以车辆使用成本、燃油成本、延误或提前到达货主位置产生的违约成本、为避免道路拥堵或产生过大违约成本产生的等待成本最小为目标函数,建立考虑车-货匹配、城市时变路网等约束的车辆路径优化模型。设计一种混合量子粒子群优化算法,决策最优货物匹配方案、车辆路径及车辆运行时间计划方案。研究结果表明：设计改进的量子粒子群算法得到的小规模算例优化解与Cplex优化软件得到最优解的相对偏差为3.7%,但所设计算法的平均求解时间仅需54.84 s,而Cplex的平均求解时间则需8 640.80 s;在合理规划周期内,所提出的路径规划模型可通过调整车辆出发时间有效地将违约成本转化为代价较低的等待成本,或通过牺牲油耗成本降低违约和等待成本从而降低平台运营总成本;当单位等待成本为单位违约成本的30%时,考虑时变路网可有效降低平台运营总成本,当单位等待成本为单位违约成本的20%时,考虑时变路网可降低0.7%的平台运营总成本,当不考虑等待成本时,考虑时变路网可降低10.6%的平台运营总成本。     

考虑慢行交通影响下的交通微循环路网优化设计

为减少实行交通微循环过程中日益增加的对区域内居民生活和出行交通的不良影响,以最小化道路连通性、最小化慢行交通的出行时间、最小化环境污染和最小化道路饱和度为优化目标,考虑干道路网饱和度约束、慢行交通平均限速值约束、慢行路网密度约束,建立了多目标区域交通路径优化的双层规划模型。利用遗传算法进行求解,采用轮盘赌选择算子和非均匀变异算子进行操作,得到了最优的微循环路网优化组织方式。通过算例分析,与实行微循环前的路网相比,实行微循环后的路网饱和度明显下降,减小了对街区内的居民影响和生态环境破坏,得到了一个合理的街区交通微循环网络。     

时变路网下电动汽车冷链配送路径规划研究

在双碳背景下,电动汽车已在物流行业快速普及.在满足生鲜品的新鲜程度、车辆限载及电动汽车的电量限制等约束条件下,将电动汽车充电过程所产生成本纳入目标函数中,构建了时变路网下带软时间窗的电动汽车多温共配路径优化模型.根据该模型的特点,引入K-means聚类对客户进行聚类,同一聚类单元内设计免疫遗传算法,得到启发式路径优化方案.实验结果表明,根据顾客的需要及时变路网特性,合理安排运输规划与配送路径,保证了生鲜品运输的时效性;采用电动汽车多温共配的运输方式进行运输,运输成本更加低廉、过程更加节能,提高了企业的经济效应.     

基于改进遗传算法多车辆同城配送问题

针对同城配送中宽松时间窗订单逐渐增多的现象,为了节省同城速运中多车辆配送订单成本和时间,提出一种双模式的同城速运方案;首先以配送成本最低为目标,按照订单的时间窗要求,分为普通件和急件订单,构建了一个基于同时取送货的带时间窗的同城配送模型(VRPSPDTW);其次在算法层面使用改进遗传算法求解出每辆车的最优配送路线;为了避免传统的遗传算法容易陷入局部最优缺陷,结合模拟退火算法机制,在构造适应度函数加入模拟退火算子,在翻转变异中加入2-OPT(2-Optimization),有效提高了算法的求解性能;最后通过设置5 km×5 km的配送区域算例进行验证,并且与经典的遗传算法求解结果进行对比分析。结果表明：模型求解出最优路径能够有效减少配送的总距离,并且优化同城配送的整体路径分配的均衡性。     

基于混合算法的多目标多式联运路径选择问题研究

针对多目标多式联运路径选择问题,在综合分析多式联运现状的基础上,集成考虑运输成本、运输时间以及物流服务质量3个方面因素,构建混合整数规划模型,其优化的目标是最小化运输成本、运输时间的同时,最大化物流服务质量;考虑到客户的不同侧重点和差异化需求,确定3个目标的权重,设计遗传算法和蚁群算法相结合的混合算法对模型进行求解.以"西安—柏林"为例进行算例分析,将所求结果与遗传算法、蚁群算法进行对比,结果表明:当客户对时间和成本重视程度较高时,混合算法、遗传算法和蚁群算法求得最优解的迭代次数分别为164次、170次和183次,最优路线为西安—郑州(铁路)—大连(铁路)—鹿特丹(水路)—柏林(铁路);当客户对时间和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为112次、117次和150次,最优路线为西安—重庆(公路)—柏林(铁路);当客户对成本和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为115次、120次和160次,最优路线为西安—郑州(铁路)—深圳(铁路)—鹿特丹(水路)—柏林(铁路).研究表明:设置不同的目标权重时,模型和混合算法均能够有效地为多目标多式联运路径选择问题提供实用性的优化方案和路线参考.     

基于区间路网信息的机场定制巴士路径优化

为了满足旅客个性化和多样化的接驳需求,提出了一种需求响应型的机场定制巴士,并在区间路网信息下对机场定制巴士的路径优化进行了研究。在综合考虑乘客和运营企业的利益后,以需求满足最大化、车辆行驶成本和乘客时间成本最小化以及终点时间偏差最小化为目标,构建了区间路网信息下的机场订制巴士路径优化模型,并设计出一种模拟退火和遗传混合的算法进行模型求解。最后采用模拟机场定制巴士数据的方法来对构建的路径优化模型和算法进行了验证。研究结果表明,模型和算法合理有效,可操作性强。