基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较.结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化.     

电动汽车共享站点间车辆人工调度策略

用户出行需求的潮汐性和不均衡性导致站点间车辆失衡问题严重,极大地制约了电动汽车共享的快速发展,采用合理的车辆人工调度策略可使车辆失衡问题得以解决.基于完全满足用户用车需求的前提,建立成本最低的调度需求模型,并采用遗传算法求解得出调度需求.构建了电动汽车共享站点间车辆人工调度策略,同时通过调度收益最大化的混合整数规划模型优化车辆调度路径,采用分支定界法求解.以"EVCARD"位于上海市嘉定区5个站点的实际订单作为输入,进行人工调度策略优化分析.结果显示:在用户用车需求增长的情景下,不增设停车位和车辆数目而采用人工调度优化策略,同比可以提升60%的订单服务量,相比增设停车位和车辆数目可以节约60%的成本投入.     

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.     

面向公交车辆优化调度的运行服务质量评测分析

将人工智能方法引入公交车辆运营调度管理,调度管理人员可根据具体运营状况,运用快速、便捷的智能调度算法,制订出符合实际情况的运营调度方案,有效提高公交车辆运营效率。利用遗传算法（genetic algorithm,GA）的智能化特征,针对北京市公交车辆运营管理问题进行了优化调度研究。仿真实验表明,利用GA的公交车辆优化调度,实现了公交车辆调度的智能化,并在基础上利用排队论推导了乘客等待时间模式,进行了优化调度结果评测分析,从而验证了利用智能调度方法能够有效地改善公交车辆运营效率的合理性和可行性。     

云自适应遗传算法有能力约束的车辆调度优化

针对与车辆调度成本密切相关的运输量和车辆利用率,建立油耗费用和固定费用最小的车辆调度模型.根据车辆调度问题实时性和复杂性的要求,提出云模型理论与遗传算法相结合的云自适应遗传算法,利用云模型云滴的随机性和稳定倾向性改进标准遗传算法中固定设置交叉和变异概率的方式,克服了标准遗传算法搜索速度慢及易早熟的缺陷,设计基于最大保留机制的交叉和变异算子,提高了算法的收敛性和鲁棒性.最后,结合算例对模型和算法的有效性进行验证.     

遗传算法求解物流配送中带时间窗的VRP问题

用遗传算法求解第三方物流企业物流配送中带时间窗的车辆路径问题. 建立了一个配送优化调度模型, 使配送计划的编制在任何情况下都能归约为求解某种车辆路径问题.     

遗传算法的改进算法在物流配送当中的应用

研究在城市区域内配送车辆的优化调度问题,建立优化物流配送的数学模型,然后构造求解该问题的改进遗传算法.实验表明,该算法性能高,能够有效的求解城市物流配送问题.     

多车型车辆共享的MDVRP问题及其遗传算法

在多车场车辆共享的路径优化问题中,允许多种车型的车辆同时调用,在各个车场内循环调度使用,不必回到初始发出的车场,实现一定程度的共同配送;另外,考虑满载和空载的油耗不一样,同样的路径中车辆的装载量不同成本也会不一样.要满足上述新的车辆调度要求,必须建立新的车辆调度模型:目标函数包含路径的油耗成本,约束条件中车辆不必回到原车场.由于该模型属于NP难题,因此给出了一种新的基于路径的一维编码遗传算法,通过实例证明该方法能够使车辆调度路径得到改进.     

有时间窗约束单车场单车型非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的NP难题,一直成为运筹学与组合优化领域的前沿与研究热点问题,但传统的方法往往不能令人满意,利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题,构造了有创新性的染色体结构,并在遗传算法的迭代过程中与启发式算法交叉应用,现实应用中获得了很好的效果.     

基于改进差分进化算法的MVB周期调度表优化设计

多功能车辆总线(MVB)周期调度表的优化设计对提高列车通信网络实时通信的可靠性和均衡网络负荷具有重要作用.考虑到已有的多功能车辆总线周期调度表优化方案存在的不足,提出了一种基于改进的差分进化算法的优化设计方法.首先建立调度问题的数学模型,根据IEC61375-1国际标准和可调度性要求建立了优化目标和约束条件;然后根据周期调度表的生成特点对原差分进化算法的变异和选择阶段进行了改进,提出了适用于MVB周期调度的优化方法;最后通过仿真实验与现有优化算法进行比较,验证了本文所提的改进的差分进化算法对周期调度表的构建具有更佳的优化效果.     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

基于有向无环图的时间——费用优化调度算法

在网格计算环境中,基于时间限制和费用最小的有向无环图（DAG）调度算法,运用了经济规律把网格用户的任务映射到网格资源中运行。该文综合考虑时间、费用以及任务间的优先关系等诸多QoS需求,提出了基于有向无环图的优化调度算法。通过仿真实例,论证了该算法的优越性。     

改进的花朵授粉算法在微网优化调度中的应用

研究了用于解决微网优化调度问题的群智能算法.针对微网优化调度问题的多目标、多约束条件等特点,对微网优化调度问题建模;提出了改进的花朵授粉算法,并将其应用到微网优化调度问题.在初始化时,采用对立点方法增加种群多样性和优化搜索空间;局部更新时,使用一种新的局部更新算子提高算法收敛速度;此外,为了减少计算量和避免陷入局部最优,定义了是否使用遗传操作的判断条件.仿真结果表明,该算法性能优于原始花朵授粉算法和遗传算法等其他算法.     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

机场保障指挥调度分析

 机场保障指挥调度是在各种保障资源、保障流程的约束下,对多批次、多架次飞机同时进行保障,从而快速形成作战能力。在假定机场保障指挥调度数学模型已定的基础上,系统分析求解算法的复杂度,基于启发式规则,有针对性地为该优化问题设计了相应的求解算法,并以实例验证了该算法的有效性。     

修正的混沌粒子群算法求解经济负荷分配

为克服粒子群优化算法容易陷入局部最优、后期收敛慢等缺点,提出了一种修正的混沌粒子群优化算法.该算法通过修正粒子群迭代的行动策略,并引入遍历性较强的Tent混沌局部搜索机制,可以增强粒子的全局搜索能力,提高优化算法的全局寻优性能.将修正的混沌粒子群算法分别应用于6机组和15机组电力系统中求解经济负荷分配,在考虑系统网损和机组运行约束条件的情况下进行仿真实验.仿真结果表明:该算法用于求解高维、非凸、不连续等非线性复杂约束条件的电力系统经济负荷分配问题上,有着较快的收敛速度和较强的全局寻优能力.最后,通过与其它智能算法比较,验证了算法的有效性和优越性.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.