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。     

用Hopfield网络解决北疆物流路径问题的一种算法

针对新疆的物流提出一种基于Hopfield网络的方法,物流问题是一个典型的优化组合的问题,快速有效地解决物流路径问题具有非常重要的理论意义和实际价值。模拟实验表明,该方法迭代次数少、收敛速度快,易于获得有效解和全局最优解。     

用Hopfield网络解决北疆物流路径问题的一种算法

针对新疆的物流提出一种基于Hopfield网络的方法，物流问题是一个典型的优化组合的问题，快速有效地解决 物流路径问题具有非常重要的理论意义和实际价值。模拟实验表明，该方法迭代次数少、收敛速度快，易于获得有效解和全局 最优解。     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上,构造了一种免疫克隆算法来求解该问题,并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明,免疫克隆算法能快速收敛于全局最优解,克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点,可有效地解决物流配送车辆路径优化问题．     

基于累积前景理论的应急物流最优路径选择模型

通常情况下,应急物流的最优路径选择问题是一个不确定性问题,所以本文选择累积前景理论研究应急物流最优路径选择问题,此方法符合决策者在应急物流最优路径决策过程中非完全理性的特点。本文首先从路径的各路段入手,通过各路段的灾害强度得到途经各路段的实际运行速度和时间;然后,通过路段的运行时间来具体确定路径的运行时间,进而计算出累积前景理论中时间参考点的值;最后,根据时间参考点的取值计算出各路径的价值函数值、权重函数值以及前景值,选择前景值最大的路径为应急物流的最优路径。结果表明:根据累积前景理论建立的应急物流最优路径选择模型,比根据距离选择最优路径的传统静态算法更符合实际情况,给应急物流决策者提供了一种更科学有效的决策方法。     

基于改进的蚁群算法的物流拣选路径优化

提出了一种改进的蚁群算法来解决物流拣选路径的优化问题。通过实验室模拟环境,用Matlab7.0进行了某次拣选作业仿真,取得了最优路径。与基本蚁群算法相比,所提出的方法能更快地找到最优解。     

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。     

基于离散人工蜂群算法的废弃物逆向物流网络设计

废弃物回收的物流网络设计是一种逆向物流问题.以其回收总成本最小并兼顾回收便利性为目标,设计改进的离散蜂群算法,提出包含回收点、回收中心和处理中心组成的多级逆向物流网络模型,以解决逆向物流中的车辆路径问题和选址分配问题.实验结果表明新算法是有效的,能够快速发现稳定高质的近似最优解.     

基于遗传算法的人工拣选优化研究

为研究人工拣选作业中路径优化问题.在ABC存储策略下的双区域仓储布局中,建立路径模型,利用遗传算法求解最优路径,进行仿真实验,与S型、返回型拣选路径的最优解进行比较.仿真结果表明,在拣选件数较少时,遗传算法有明显的优势,在拣选件数较多时,3种方法趋于相近,且遗传算法的适用性受到仓库布局的影响.经优化后的路径能够节约拣选作业的时间,加快仓储内货物周转的速度,提高整个物流活动的效率,有助于物流活动快速及时地完成,增强客户满意度.     

基于改进蚁群算法的物流配送路径优化研究

物流配送行业不但要求所有货物能及时进行配送,而且也要求尽可能降低整个物流运输成本。所以物流配送车辆路径优化问题是重点亟待解决的关键问题,由于传统的优化方法搜索时间较长,且难以找到全局最优路径,从而造成配送成本高,效率低。为了降低成本,提高车辆路径优化率,本文以蚁群算法为基础,并加以改进,首先建立优化物流配送路径的全局数学模型,然后采用改进信息素更新规则、改进启发信息更新策略获取最优物流路径,通过优选算法参数,改进蚁群算法对全局数学模型进行求解。从而有效避免只有局部优化解的出现。仿真实验结果表明,改进后的算法效率提高较大,算法在实验环境下收敛性好,是解决物流配送路径优化问题的有效算法。     

需求不确定下的生物质物流系统的选址与路径问题

为有效解决在生物质资源开发和利用过程中物流系统成本较高等问题，通过研究需求不确定性对生物质物流系统选址与路径问题的影响，提出生物质物流系统选址与路径的鲁棒优化模型。使用混合整数非线性规划对该问题进行数学描述，再根据强对偶理论将非线性模型转化为等价的线性鲁棒优化模型。利用CPLEX软件进行数值计算和分析，结果表明：需求不确定性会对生物质物流系统的最优决策产生影响。基于该模型的特殊性开发相关的自适应遗传算法，通过算法自适应机制避免陷入问题的局部最优情况，从而更精确地接近问题的最优解，最后通过大型算例验证所提出的自适应遗传算法相比于传统的遗传算法具有更加良好的性能。     

蚁群算法优化车辆路径问题的研究

通过引入蚁群算法来解决物流中的车辆路径问题。针对具体实例运用计算机编程得出系统的最优解,并与优化前进行对比,指出优化比率,从而减少物流配送成本,提高效益。     

带循环时间窗口的独立路径配送问题

通过优化物流的配送运输网络,可以有效降低配送成本.带循环时间窗口的独立路径配送问题实际是车辆路径优化问题,属于NP-hard问题类.定义了循环时间窗口,并设计了图形预处理算法,通过建立有向赋权网络上带循环时间窗口的物流配送问题的数学模型,构造有向网络赋权辅助图,在辅助图上采用最大流的Ford-Fulkerson算法来解决弧独立路径问题,判断问题是否有解,之后用最小费用流的最小费用路算法来求权值和最小的R条弧独立路径,得到该问题的一个最优算法,为物流配送环节提供新思路.     

逆向物流单车辆运输策略

结合逆向物流中回收产品的不同形态,引入库存限制和成本惩罚,建立了单车辆闭环供应链的二维运输模型,定理证明了模型一定存在最优解.构造了TSP基础上的插入启发式算法求解最短路径,然后运用二维动态规划求解最优回载策略.分析表明,逆向物流单车辆的最优回载策略应是建立在最短路径之上的有选择回载.算例结果证明了该策略的实用性和有效性.     

基于聚类蚁群算法的物流最优路径

在物流网络系统中,物品的配送是重要的一环,一个科学的物流配送路径,不仅能在一定程度上降低物品的配送时间,而且能有效的降低运输资源的占用,这极大的降低了物流企业的运营成本。针对物流配送路径的最优解问题,有大量的学者进行了相关研究,主要有遗传算法、蚁群算法、生物地理学算法等,其中以蚁群算法应用最为广泛;但这些算法都只是在物流运输的路径上进行优化,并没有考虑空载率以及客户对送货时间的要求。为了克服此缺点,本文在蚁群算法的基础上加入空载率和时间窗的要素,对传统的蚁群算法进行优化。实验结果表明,与传统的蚁群算法相比,该算法可以有效的节约物流运输资源。     

基于改进蚁群算法的移动机器人三维路径规划

三维路径规划是移动机器人研究领域的核心内容之一.传统的蚁群算法应用于三维路径规划时,存在收敛速度慢,容易陷入局部最优解等问题.针对这些问题,论文对路径节点的选取方法、信息素的更新方法、启发函数的设计进行了改进,从而避免了算法陷入局部最优解,加快了算法的收敛速度.仿真实验表明改进算法在不同复杂程度的环境中都可以得到最优路径,且路径规划结果较好,这表明了算法有良好的寻优能力.     

基于改进粒子群优化算法的逆向物流选址与路径问题研究

综合考虑逆向物流中的车辆路径问题和选址分配问题,首先分析问题的特点,并建立问题的数据模型,然后提出一种基于贪心算法的改进粒子群优化算法.实验结果表明,新算法能够以较快的收敛速度得到问题的近似最优解,是解决该类问题的有效方法.     

空间众包中在线路径规划算法

工作者的路径规划问题是空间众包中一个重要的研究内容。当前路径规划问题的研究主要集中在离线情形下,然而在线情形下的路径规划更符合现实需求。因此,该文从众包物流和共享巴士等典型空间众包平台中提取出了一个在线路径规划问题——空间众包中终点固定的在线路径规划问题。首先研究了Euclidean空间上的路径规划问题,提出了基于粒子群的在线粒子群路径规划算法,该算法通过在线追踪最优解来进行路径规划,同时,提出了基于k近邻的在线局部粒子群路径规划算法。还研究了面向路网的路径规划问题,提出了加权最短路径边界索引和路网上的在线局部粒子群路径规划算法。最后,通过真实数据上的大量实验验证了上述算法的有效性和高效性,其中在线局部粒子群路径规划算法拥有更好的效果。     

基于禁忌搜索算法的旅行售货员问题

旅行售货员问题（TSP）是组合路径问题，属于NP问题，对于这个问题的解决已经提出了很多的算法，本文基于禁忌搜索算法思想对TSP问题进行了探讨，在此基础上，通过相应的路径搜索变换，找出一个近似最优解。     

有时间窗物流配送路径优化问题的混合并购算法

为了克服并购算法在求解有时间窗物流配送路径优化问题时局部最优的缺陷,提出了混合并购算法的构想.通过对原有并购算法中单个并购操作的改进,增加多个并购操作,提高了算法的收敛性.在建立有时间窗物流配送路径优化问题数学模型的基础上,构造了有时间窗物流配送路径优化问题的混合并购算法模型.在Solomon数据集上进行多次实验,获取了有时间窗物流配送路径问题的最优解或近似最优解.