有容量约束车辆路径问题的蒙特卡洛模拟算法

带容量约束的车辆路径问题是一个NP-hard问题,针对此问题将蒙特卡洛模拟方法与流行的节省算法结合,提出Flag-MCS-CWS算法,该方法通过对CWS算法得到的节省序列进行蒙特卡洛模拟,适用于不同节点数、不同车辆载重量的车辆路径问题.在标准数据集测试,相比当前最优解有平均0.75%的改进,为车辆路径问题提供了更加有效的解决方案.     

随机需求车辆路径问题的禁忌搜索算法研究

研究了随机需求车辆路径问题,并将禁忌搜索算法用于解决该问题.实验结果证明,禁忌搜索算法可以有效地求得随机需求车辆路径问题的优化解,是求解随机需求车辆路径问题的一个较好方案.     

允许部分服务的随机需求车辆路径问题研究

文章对需求量满足二项分布的随机需求车辆路径问题进行了研究,在服务失败时采取允许部分服务的策略,通过仿真的方法证明了这一策略的有效性;并将嵌套分割算法与扫描算法相结合,提出了一种新的求解随机需求车辆路径问题的两阶段算法,数值试验验证了该算法的有效性.该算法拓展了车辆路径问题的算法空间.     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

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.     

基于TransCAD的多服务中心多车型混合装卸车辆路径问题研究

本文首先介绍了TransCAD在物流路径规划方面的功能,结合了多服务中心多车型混合装卸的车辆路径问题,并考虑了车辆最终返回所属服务中心,建立了解决该类型问题的数学模型。通过TransCAD实例验证了该数学模型在解决物流路径问题以及应用TransCAD在解决物流路径规划的可行性和正确性。     

改进的粒子群算法及其在带软时间窗车辆调度问题中的应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出多相粒子群优化算法(Multi-pha-ses Particle Swarm Optimization,MPSO).建立了带软时间窗车辆调度问题数学模型,并将该方法运用于带软时间窗车辆调度路径优化.根据多相粒子群并行搜索的思想,给出MPSO算法在带软时间窗物流配送车辆调度路径优化的实现流程.仿真结果表明:多相粒子群算法可以快速、有效地求得车辆路径问题的优化解,是一种求解带软时间窗车辆路径问题的较好方案.     

钢铁企业产成品转库车辆路径问题优化

分析了钢铁企业产成品转库问题的特点,通过将转库任务分解的方法将原问题转化为具有最迟访问时间约束和同时访问车辆数限制的车辆路径优化问题,建立了转换后问题的0-1规划数学模型,针对模型的特点设计了迭代局域搜索算法.算法初始解由贪婪算法生成,局域搜索过程采用4种常用局域搜索算子的混合,摄动过程采用变强度的2-opt*算子.该算法可以同时实现转库车辆指派和车辆路径优化.通过仿真生成的算例对模型和算法进行了验证.实验结果表明,该模型和算法是解决该类问题的有效方法.     

大规模车辆配送/收集问题的求解框架

大规模车辆配送/收集问题是供应链末端的日常商品配送和逆向物流前端的废品收集过程中的典型问题,存在着车辆载重、工作时间和车辆服务区域固定等约束,属于扩展的有载重约束的车辆路径问题。该文对该类车辆问题进行了描述和特点分析,提出了一个3阶段的求解框架:采用基于主干道的网格法对客户进行区域化整合;采用车流模型和C-W、3-opt相结合的算法完成客户区域对车辆的分配;采用旅行商问题求解方法对区域内车辆路径进行优化。案例研究的结果证明了该求解框架的实用性和有效性。     

车辆路径问题中的遗传算法设计

车辆路径问题在物流管理的研究中受到大量关注。但由于车辆路径问题是一个NP-hard问题，使用传统优化方法很难得到最优解或满意解。这里使用改进的交叉算子和遗传算子，设计了基于自然数编码的遗传算法，求解车辆路径问题，获得了良好的效果。     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

一种基于禁忌搜索算法的车辆路径问题的改进算法

针对车辆路径问题,提出了一种改进的禁忌搜索算法,通过从当前解的正序和倒序2个方向同时进行邻域搜索,扩大了搜索的范围.实验结果表明:该算法所找到的解质量较高,能有效解决车辆路径问题.     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

最小支撑树混合贪婪算法求解车辆路径问题

优化车辆路径可降低物资配送的服务成本,提高服务效率.建立了车辆路径问题的数学模型.针对一定规模客户的情形,先用最小支撑树算法将客户分区;然后对每个区域中路线用的贪婪算法进行优化;最后通过实例验证,该方法比四叉树混合蚁群算法的计算结果更优、计算速度更快.     

动态车辆路径问题的算法研究

借鉴动态问题中的时间点、时间段等概念,建立了动态车辆路径问题模型,将动态VRP转化为在若干连续的时间段内的相对确定性的静态VRP,为动态VRP的研究提供了一种新的方法.并设计了基于节约法和禁忌搜索的混合算法,从而提高了对动态车辆路径问题求解的效率.     

车辆路径问题的一种启发式解法

研究了带有容量约束的车辆路径问题(VRP),在预先不确定车辆数目的情况下,提出将聚类方法、禁忌搜索方法和2-opt方法集合对VRP求解.分析和实验结果表明,该方法对VRP,尤其是大规模的VRP是有效的.     

蚁群遗传优化算法在物流配送路径选择中的应用

在对车辆路径问题(VRP)分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传优化算法.提出的改进算法是先通过限制、选择和更新信息素、控制搜索次教,找出路径的满意解,大大缩短了搜索时间;再用所得较好的路径表示作为初始种群,指定为父体,直接进行分组定界操作,将已得路径进行优化改良,求得最佳配送路径.实验结果表明,该算法应用于求解物流配送路径的问题行之有效.     

求解软时间窗车辆路径问题的一种新方法

车辆路径问题属于组合优化领域中的NP–Hard问题.针对带软时间窗的车辆路径问题,提出了一种区域划分—路径优化的数学模型.首先结合最小支撑树算法能产生全局最优解的优点,将客户划分为若干个子区域.然后再结合贪婪算法简单迅速的特点,对每个子区域中的路径进行优化.实验结果表明,该算法收敛速度快、搜索成功率高.     

随机需求多车辆路径问题的重优化算法

针对随机需求的多车辆路径问题(MVRPSD),提出了一种简单有效的重优化新算法.该算法先用预优化策略给出一个预优化的单车辆路径,然后重复使用rollout算法对该路径进行进一步优化,将其划分为满足约束条件的多条子路径,不仅能满足实际需求,而且极大提高了优化性能.与现行方法对比实验结果表明,本算法可以对多车辆路径更为合理的优化,明显减少行驶费用,是求解随机需求的多车辆路径问题的一种有效算法.