物流配送车辆路径优化的模糊规划模型与算法

将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图，并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型，首先将模型进行清晰化处理，使之转化为一类确定性多设施车辆路径模型，然后设计了嵌入FLOYD算法的捕食搜索算法对之进行求解。通过仿真实例计算，并与遗传算法比较，取得了满意的结果。     

基于HEDT的移动机器人路径规划算法

移动机器人在未知的、动态的环境中进行路径规划必须考虑到环境地图构建的不完备性和算法的实时性.针时这种情况,提出了一种基于启发式拓展距离转化的移动机器人路径规划算法.算法在未知的环境中,通过启发信息和实时探测静止或移动的障碍物信息构建不完备的栅格地图,对移动的障碍物采用延后处理策略,实时地搜索最优路径并驱动机器人运动到目标点.当发生下降阻碍时,则仅对需要的范围传播权值变更信息.算法适用于大范围的时变环境,并具有良好的收敛性.仿真实验验证了算法可行性和正确性.     

基于快速RRT算法的三维路径规划算法研究

RRT(rapidly exploring random tree)算法是一种基于采样的路径规划算法,可以在高维环境中搜索出一条路径。传统的RRT算法存在节点利用率低、计算量偏大的问题。针对这些问题,基于快速RRT^*(Quick-RRT^*)算法,通过优化重选父节点与剪枝范围策略、改进采样方式、引入自适应步长,对快速RRT^*算法进行改进,使得算法耗时和路径长度更短。同时,加入节点连接筛选策略,消除路径中过大的转弯角。实验结果表明,改进后的算法在三维环境下能快速找到一条距离最短的无碰撞路径,且运行时间也大幅降低。     

基于GA-TS的开放式车辆路径优化算法及应用

针对带装载能力开放式车辆路径问题,提出了一种基于遗传算法和禁忌搜索(GA-TS)的混合优化算法,将GA的并行计算、全局优化与TS的禁忌技术、快速局部搜索等特性相结合。该算法根据服务点需求及车辆装载能力,采用自然数编码,进行GA全局优化,种群中个体以一定的概率进行TS局部搜索,即对同属一辆车配送的所有服务点进行局部TS路径优化。既保证了优化的全局性,又保证了运算的速度性。应用于郑州煤电物资供销有限公司煤矿物资运输的车辆路径优化中,得到了最经济的运输路径,节约了成本。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于几何算法的空中交通改航路径规划

为解决空中交通流量管理中恶劣天气或流量受限下的航班改航问题,提出了基于几何算法的改航路径规划方法.首先,将几何算法应用于航班改航路径的规划研究,给出了初始改航点的确定方法.然后,从实际可操作性出发,分别给出了在转弯角度、航段距离争改航点数量限制下的改航路径修正方法.最后,运用本文提出的方法对我国西南雷暴多发地区的改航路径进行了研究.研究结果表明:本文提出的改航路径规划方法可安全有效的避开飞行受限区域,算法简单可行.     

基于二进制编码QPSO算法的移动机器人路径规划

在分析量子粒子群算法的基础上,针对离散搜索空间的问题,提出了二进制编码的量子粒子群算法.在算法中,重新定义了粒子的位置距离矢量,调整了搜索空间的迭代方程,并引入了多点交叉和精英保留的策略,保证全局收敛的同时加快粒子的收敛速度.并使用De Jong's测试函数对本算法和二进制粒子群算法进行了比较,最后使用二进制编码量子粒子群算法对机器人路径规划进行了仿真实验.     

基于改进模拟退火算法的机器人全局路径规划

针对全局静态移动机器人路径规划问题,给出了一种简单易行的改进模拟退火算法.算法通过引入脱障算子和一致寻优算子,提出了一种新的状态产生方法.前者采用维值定向扰动策略,使碰撞路段的两个端点以一定步长跳离障碍物,这既保证了路径的无碰性,又加快了寻优效率;后者对随机选取的若干个路径点进行变步长地调整,使产生的候选解可以遍布整个解空间,提高了算法的全局寻优能力.最后,通过对一般环境和“陷阱”环境路径规划问题的仿真,验证了该方法的有效性.     

时变车辆路径问题的启发式算法

标准的带时间窗车辆路径问题一般假定车辆的行驶速度保持恒定,然而在实际应用中车辆的行驶速度通常是时变的,因此近年来时变车辆路径问题正日益成为该领域的研究热点.本文对时变车辆路径问题的求解策略进行了研究,并设计了一种两阶段启发式算法对问题进行求解,算法的第一阶段提出了一种"最先过期用户优先"的启发式算法求得初始解,第二阶段利用模拟退火算法对初始解进行了改进.实验结果表明该算法可以有效地求解时变车辆路径问题.     

基于解均匀度的车辆路径问题的自适应蚁群算法

蚁群算法是一种新型的模拟进化算法，具有许多优良的性质，可以很好地解决旅行商问题(Traveling Salesman Problem，TSP)，但同时也存在计算时间长、易出现停滞等缺陷。在分析车辆路径问题(Vehicle Roulting Problem，VRP)与TSP区别的基础上，将蚁群算法应用于VRP的求解，通过引入解均匀度、选择窗口以及吸引力等概念对算法的转移策略和更新策略进行改进，构造了具有自适应功能的蚁群算法。实验仿真结果表明所设计的算法具有很强的搜索能力，计算效率较高，能够有效地解决加速收敛与停滞现象之间的矛盾。     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

基于混合差分进化算法的模糊需求车辆路径问题

研究具有模糊需求的车辆路径问题,建立基于模糊可信性理论的模糊机会约束规 划模型,提出求解该问题的一种基于随机模拟的混合差分进化算法. 同时, 在车辆行驶总距离最小的目标下,运用随机模拟方法研究决策者主观偏好值对最终决策 目标的影响,并给出最佳主观偏好值.     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

基于辐射扫描算法的机器人路径规划与仿真

针对基于生物激励神经网络(Biologically Inspired Neural Network,BINN)算法的机器人路径存在重复率高、转弯次数多的问题,提出一种将模板模型与辐射扫描(Radiation Scanning,RS)算法相融合的改进遍历路径规划算法(Improved Traversal Path Pla...     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

随机递归算法求解车辆路径问题

车辆路径问题(VRP)是组合优化中一个典型的NP难题,对于中等规模以上的问题,目前大多采用禁忌搜索、遗传算法和模拟退火等亚启发式算法,在吸取这些算法精髓的基础上,提出了一种新的并且简洁而高效的启发式算法.计算结果表明,在27个国际标准算例中应用该算法取得了2个解优于当前最优解,其余相当接近当前最优解.需要指出的是所有这些结果是在该算法应用同一组参数得到的.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

开放式车辆路径问题的蚁群优化算法

研究了开放式车辆路径问题,该问题中车辆在服务完最后一个顾客点后不需要回到车场,若要求回到车场,则必须沿原路返回.提出了一种混合蚁群优化算法,该算法主体是一个在超立方框架下执行的MAX-MIN蚂蚁系统,算法混合了禁忌搜索算法作为局部优化算法,同时算法集成了一个后优化过程来进一步优化最优解.基于标准测试问题,最后给出了算法同文献中其它算法的性能比较结果,计算结果表明本文提出的算法是一个有效的求解开放式车辆路径问题的方法.     

车辆路径规划问题及其求解方法研究进展

对车辆路径规划问题（Vehicle Routing Problem，VRP）领域的研究进行综述，根据目前的研究状况对该问题进行分类；分析该问题的图模型和数学模型两大类模型各自的优缺点；分四大类讨论求解该问题的算法：精确算法（exact algorithm），构造启发式算法（constructive heuristic algorithm），改进启发式算法（improving heuristic algorithm），和亚启发式算法（meta-heuristic algorithm）。评迷各类算法适用的问题求解阶段以及各自的优缺点；探讨国内在VRP领域的研究成果。在此基础上，对求解该问题的方法进一步的研究方向做了展望。