求解有时间窗的车辆路径问题的混合蚁群算法

针对目前蚁群算法在求解有时间窗的车辆路径问题上存在的缺陷,提出一种搜索效率较高的混合蚁群算法,阐述了混合蚁群算法的基本原理,给出了求解有时间窗的车辆路径问题的具体步骤.计算机实验结果表明,混合蚁群算法在求解有时间窗的车辆路径问题上是有效的.     

车辆路径问题的受扰救援策略

分析了带时间窗服务型车辆路径问题中车辆受损的救援需求,基于干扰管理思想建立了服务型车辆路径问题扰动恢复模型;对车辆受损的带时间窗服务型车辆路径问题提出了两种救援策略,并研究了该策略在处理集货型和送货型问题的转换方法;最后对实施这两种策略的效果进行了分析和比较.     

多路径选择变速双目标物流配送路径规划

为研究任意两点之间存在多条通路的带时间窗和能力约束的变速车辆路径问题,使总配送成本最小的同时最大化客户总体满意度.刻画车辆行驶速度时同时考虑了通行时段和路况因素,建立双目标的混合整数规划模型,并采用改进蚁群算法求解.仿真结果表明所提模型和改进算法有效,对于复杂路况下车辆配送路径规划问题有一定的参考价值.     

基于模拟退火算法求解VRPSPDTW问题

在经典的车辆路径优化问题的基础上,考虑顾客有同时取货和送货的需求,且每个顾客都有独立的时间窗,研究带时间窗和同时取送货的车辆路径问题(VRPSPDTW)。提出模拟退火算法求解该问题,算法使用Residual capacity and radial surcharge(RCRS)算法求得初始解,通过模拟退火过程和4种局部搜索方法(路径内搜索:2-opt法和or-opt法;路径间搜索:swap/shift法和2-opt*法)进行优化,并选取Wang和Chen测试数据集中的15个算例对算法性能进行测试。测试结果表明,提出的模拟退火算法优于Wang和Chen的遗传算法,能有效地求解VRPSPDTW问题,并且可以被灵活的扩展解决其他车辆路径问题和组合优化问题。     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

模糊需求与时间窗的VRP及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题,以总行驶距离、车辆使用数最小化,以及平均客户满意度最大化为目标,构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性,改进了交叉算子,在引入局部优化算法及擂台法则的基础上,设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验,表明算法能够有效地求解带时间窗的车辆路径问题,以及模型的合理性,同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路,也可为实际配送路径规划提供指导。     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题，以总行驶距离、车辆使用数最小化，以及平均客户满意度最大化为目标，构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性，改进了交叉算子，在引入局部优化算法及擂台法则的基础上，设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验，表明算法能够有效地求解带时间窗的车辆路径问题，以及模型的合理性，同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路，也可为实际配送路径规划提供指导。     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

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。     

货运O2O平台有时间窗同城零担集货匹配优化决策

零担集货业务的供需匹配和路线规划问题是同城货运020平台面临的发展难点.本文站在平台的角度,同时考虑司机和客户的实际需求,引入单位订单处理时间窗的概念,提出操作性较强的零担集货预匹配优化策略,突破传统逐级推送模式的思维局限,充分考虑需求和运力的属性-时间-空间分布;其次综合考虑客户OD点对、订单时间窗、以及司机工作时间窗、起终点、车辆容量限制等因素,在不考虑拒绝订单的条件下,以最小化服务总成本为优化目标,构建单位订单处理时间窗内某区域的半开放式多车场的带取送货和时间窗的车辆路径优化模型.最后针对模型特性采用改进的遗传算法进行求解,并选取卓集送公司某市某区某单位订单处理时间段(高峰期)连续60天的实例数据进行实证分析.研究结果表明,改进遗传算法的求解质量明显高于就近匹配贪婪算法,优化比例平均值为30%,最高达到53%,从而实现司机和客户双方的利益最大化.     

带时间窗的开放式满载车辆路径问题建模及其求解算法

为满足某些企业的满载运输需求, 针对运输任务对车辆具有独占性的特点, 分析得到总运输费用的大小取决于车辆的空车运行费用, 在此基础上, 将带时间窗的开放式满载车辆路径问题转化为带时间窗的多车场开放式车辆路径问题, 建立了相应的数学模型, 并设计了改进的自适应遗传算法进行开环路径求解, 并把算法应用于某木材厂的周运输计划的制定, 算法在很短时间内求得了运输方案, 比木材厂原运输方案减少了车辆数, 并节省了运输费用. 实验证明, 算法是可行和有效的.     

求解异车型同时集送问题的多属性标签算法

针对实际运输中顾客对不同车型、同时集送货物的多样化需求,文章建立了异车型同时集送车辆路径模型(vehicle routing problem with heterogeneous fleet,simultaneouspickup and delivery,VRPHSPD),并构建了基于多属性标签的蚁群系统算法(multi-label based ant colony system,MLACS)进行求解.该算法利用面向对象理念,分别对客户、车辆及其行驶路径构建多属性标签,首先用近邻法生成初始路径,再通过蚁群算法的搜索规则对客户和车辆标签进行匹配,从而得优化的结果.通过公开算例、实际应用案例的验证表明,MLACS算法能成功求解VRPHSPD问题,具有较高的求解质量、运算效率以及实际应用意义.     

基于客户满意度的MOVRPFTW的单亲遗传混合蚁群算法

为解决基于时间窗和食物新鲜度形成的综合客户满意度，且具有最大运输时间限制的带模糊时间窗的多目标车辆路径问题（MOVRPFTW），建立了相应的数学模型。针对蚁群算法容易陷入局部最优的缺陷，将单亲遗传算法和蚁群算法相结合，利用单亲遗传算法的3种遗传算子和区别于传统遗传算法的两种操作手法，构建了多种单亲遗传混合蚁群算法，并进行算例测试。结果表明：与基本蚁群算法相比，单亲遗传混合蚁群算法求出的解的各项目标的平均值更优；同时，单点单亲遗传混合蚁群算法较多点单亲遗传混合算法在求解此问题中的用时更少、计算效率更高，并且移位算子较其他两种算子具有较好的求解性能。     

客户需求可分的车辆路径问题求解

针对车辆路径问题中客户需求可分的新设想重新进行了问题描述和模型构造,根据该问题的特点,利用蚂蚁算法的基本原理,设计了相应的优化算法.虽然在客户需求不大的情况下,分割客户需求并未产生比较理想的效果,但随着客户点需求与车辆载重的比例逐渐增大.实例计算结果表明,需求可分所带来的车辆需求数量和总行驶里程的下降都比不可分情况下要好很多,从而证明了算法的有效性和分割客户需求策略的现实可行性.     

带时间窗的车辆路径问题的改进差分进化算法研究

研究带时间窗口的物流配送车辆路径问题(VRPTW),主要考虑车辆容量、时间窗口、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.提出了该问题的混合整数规划模型,运用改进差分进化算法求解该问题.算法采用序数编码,设计辅助算子解决变异问题,差分进化的交叉率随进化代数自动更新.应用MATLAB语言编程进行仿真计算,得到了最优解,结果表明该算法是求解带时间窗的车辆路径问题的一种有效方法.     

带车辆行程约束的VRPSPD问题的改进蚁群算法

研究一个仓库下,同质车队具有最大负载能力限制,客户同时具有送货与取货需求,产品以原有形态回收的逆向物流车辆路径问题,建立了带车辆最大行程约束的VRPSPD问题的混合整数规划模型;在蚁群系统算法的基础上,采用了基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略,针对VRPSPD问题车辆负载量不断波动的复杂特性,设计了考虑车辆负载使用率的启发式因子;考虑车辆出仓载货量的初始化与剩余客户的送取货需求量相关,并在一定范围内随机取值.实例运算的结果表明,该算法对于求解带车辆最大行程约束的VRPSPD问题,可以有效提高车辆的负载率,避免因负载波动和最大负载能力约束而增加车辆总行程,在可接受的计算时间内收敛到满意解.     

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.     

基于模糊时间窗的车辆调度干扰管理研究

为解决由顾客需求变动引发的物流配送干扰问题,最大化满足顾客需求并兼顾企业利益,提出基于模糊时间窗的车辆调度干扰管理方法.采用干扰管理思想对由客户需求变动引起的实时车辆调度问题进行研究,在深入分析现实中客户服务时间要求特征的基础上,把客户满意度水平定义为模糊时间窗的隶属度函数,并提出了车辆调度干扰恢复问题转换策略,构建了基于模糊时间窗的客户需求变动干扰管理救援模型,实现从顾客、驾驶员和供应商3方面对干扰影响程度的度量.为寻求最优解,设计模糊遗传算法,并改进了基于客户点的编码方式.在算法中用模糊优化程序处理问题的模糊特征,通过对客户服务时间的局部调整来确定最佳服务时间.实例结果表明了时间窗模糊化处理、扰动恢复模型及算法在应用中的有效性.     

求解同时取货和送货车辆路径问题的改进遗传算法

同时取货和送货车辆路径问题(VRP_SPD)是经典车辆路径问题(VRP)的一个扩展,在VRP_SPD中,顾客可能要求同时取货和送货服务。本文针对这类问题,提出一种以集成方式处理取货和送货操作的改进遗传算法,通过采用一种改进的边重组交叉算子,保证了算法在遗传进化中保留父代路径上边之间邻接关系的映射信息,从而改进了算法性能;并通过在遗传进化控制参数中应用自适应策略,提高了算法的稳健性。仿真分析表明,本文算法比现有算法能取得更好的优化结果,且具有很好的稳定性。