基于C-W算法的汽车零部件循环取货车辆路径优化研究

针对汽车零部件取货具有多频次和时间窗限制的特点,利用先进的循环取货方式对零部件进行取货.并构建数学模型优化取货路径,利用C-W算法,获得符合所有约束条件的满意解.使其在配送总量一定的情况下,运输总里程大大降低,从而节约了运输成本.最后给出一个算例.     

用遗传算法求解带回程取货的车辆路径问题

带回程取货的车辆路径问题可以同时服务路径上的取货送货节点,通过对该问题的研究．利用改进的遗传算法对其求解,并通过实例证明其有效性．     

带时窗回程取货的车辆路径问题的算法

车辆路径问题如果考虑回程取货过程就可以在送货的过程中先后完成取货任务,比传统不考虑回程过程的问题更有实用性,基于此对传统问题进行了改进,不限制车辆的取送货顺序,而是设计了相应参数,避免了货物的重新排列·在确定目标时,综合考虑车辆运行成本、人员等待成本及服务成本等因素,实现目标解的真正可行·最后,根据此问题的特点,设计了先通过分枝定界法及遗传算法确定可行路线,再运用整数规划方法求解的算法,并以实例说明了算法的有效性·     

求解车辆路径问题的改进蚁群算法

为解决基本蚁群算法的过早收敛的缺陷,提出一种将遗传算法和蚁群算法融合的改进的蚁群算法.即使用蚁群算法求解出完成所有配送任务的车辆行驶路径,并将其作为局部最优解;然后,使用遗传算法的交叉变异算子对第一步搜索出来的局部最优解进行优化,筛选出全局更优解.仿真实验证明:改进后的蚁群算法与现有的求解车辆路径优化问题的蚁群算法相比,具有更快的运行速度,找到最优解的概率更高,且避免了基本蚁群算法的过早收敛.     

取货车辆动态调度问题求解策略分析研究

为了解决取货车辆动态调度问题的优化求解问题,本文分析了取货车辆动态调度问题的动态变化事件类型和每类动态变化事件的应对策略,在应对策略的基础上分析研究问题的滚动时域设置和求解策略设计. 结果表明,求解策略研究对取货车辆动态调度问题的优化求解有重要意义,并为深入研究其他类型动态车辆调度问题奠定了基础.     

碳减排下的汽车零部件循环取货路径优化研究

针对能源消耗严重和环境污染双重压力下的现象,提出对汽车企业零部件循环取货路径的优化建议.将CO2的排放量与满足汽车制造企业的生产需要相结合,根据货运车辆的碳排放需要选择合适的碳排放计算模型,分别建立不考虑碳排放的循环取货路径模型和考虑碳排放的循环取货路径模型,利用遗传算法及基本原理对所建模型进行算法设计,并运用Matl...     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征，结合该问题的分类，介绍了该问题国内外的研究现状，指出了目前算法的搜索效率低并依赖于初始解的局限性，给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。     

利用微正则退火算法求解车辆路径问题

在建立单配送中心的车辆路径问题模型后，提出了一种基于微正则退火算法的求解方法，对一个包含20个需求节点的单配送中心实例进行了实验分析。实验数据表明，微正则退火算法能以较大概率搜索到最优路径集，与传统模拟退火算法相比，它的优势是目标函数值下降更快，能够在较短时间内搜索到满意解。     

车辆路径问题的蚁群算法研究

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出蚁群算法在车辆路径问题中的应用,针对蚁群算法存在的过早收敛问题,引入节省量以及车辆载重利用率两种启发式信息对蚁群算法加以改进,并加入2-opt方法对问题求解进行局部优化,计算机仿真结果表明,这种混合型蚁群算法对求解车辆路径问题有较好的改进效果.     

一种求解多目标车辆路径问题的改进免疫算法

免疫算法是模拟生物免疫系统功能的一种智能优化算法,它具有良好的全局搜索能力.文章设计了一种具有动态自适应性的免疫算法,在算法中引入年龄结构模型,采用一种基于rank排名方法的抗体浓度抑制思想,并利用变异算子更新抗体群,保证了进化过程中解的多样性,提高了搜索效率.将改进的免疫算法用于求解多目标车辆路径问题,实验表明,算法...     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议.     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议.     

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.     

三维装载约束下汽车零部件同时取送的循环取货路径优化研究

【目的】考虑汽车零部件入厂物流多频次、小批量的循环取货模式和在取货同时返还零部件物流箱的现实需求，探讨了三维装载约束下汽车零部件同时取送的循环取货路径问题。【方法】构建以运输和线边库存总成本最小为目标的数学模型，设计了两阶段蚁群算法，第一阶段由车辆路径规划子算法得到近似最优解的记忆库，第二阶段利用装载可行性检验子算法得到可行解。【结果】实例仿真结果表明：使用简单算术相加的模糊车辆装载约束得出的取货方案无法实现车辆成功装载。考虑三维装载约束的循环取货方案的路线由2条增加为3条，虽然车辆的平均空间装载率下降了27-45%，但是确保了装载方案的可行性。【结论】考虑三维装载约束的汽车零部件同时取送的循环取货路径方案既满足了取货同时返还零部件物流箱的现实需求，又保证了方案中车辆三维装载可行性。     

具有同时送货和取货需求的车辆路径问题的蚁群禁忌混合优化算法

在分析具有同时送货和取货需求的车辆路径问题(VRPSDP)的基础上,建立VRPSDP数学模型,提出一种新的求解VRPSDP问题的蚁群禁忌混合优化算法(ACO-TS),并通过实验验证该算法的有效性和可行性.新算法首先采用蚁群算法产生阶段最优解,然后利用禁忌搜索算法对阶段最优解进一步优化.实验表明,新算法能够高效解决VRPSDP问题,并且具有较好的优化效果.     

求解需求可拆分车辆路径问题的人工蜂群算法

研究了需求可拆分的车辆路径问题(SDVRP)的基本数据模型,分析了相关解的基本特点,提出了一种改进的人工蜂群算法进行求解。首先,在不考虑车辆容量和拆分需求的前提下,求出TSP大路径;然后,对TSP大路径进行切割,在切割的地方对客户点的需求进行拆分;最后,在前述操作基础上形成初始解,采用改进人工蜂群算法进行优化。在人工蜂群阶段,三种蜜蜂在全局和邻域范围内不断优化当前解。通过仿真实验与其它算法对比,验证了提出的算法在有效性和稳定性上,具有良好的效果。     

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题（STT?VRPSPD）,建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索（HSTS）算法,并采用C?W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。     

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.