有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

可选时间窗车辆调度问题的改进禁忌搜索算法

考虑了带可选时间窗约束的车辆调度问题(简称VRPATW),对现有的单时间窗约束的车辆调度模型进行了拓展,建立了VRPATW的数学模型,并进一步构造改进的禁忌搜索算法用于问题求解,算法首先用改进的PFIH算法提供较好的初始解,然后利用禁忌搜索对初始解进行改进,最后通过实验结果,说明该算法能够有效的解决100个用户的VRPATW问题.     

有时间窗约束非满载车辆调度问题的遗传算法

利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题。针对非满载的VRP问题具有组问无序、组内有序的特性，采用一种有效的改进交叉算子，最大程度的保留了父代的优良特性并增强了算法的寻优能力，避免了早熟现象的发生，应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真，得出了最优解，证明了本算法的优越性。     

有时间窗的车辆调度问题的网络启发式算法

本文对有时间窗的车辆调度问题进行了分析，提出了以网络优化为基础的启发式算法，算法中引入重载点，把求解有时间窗的调度问题转化为求解多个有确定开始时间的车辆调度问题，利用最小费用最大流算法求解有确定开始时间的车辆调度问题，再根据检验数来调整开始时间值，并用实例进行了验证。最后对算法的适用性及进一步应用进行了讨论。     

单车场复杂情况下的车辆调度

针对单车场复杂情况下的车辆调度问题提出了一种改进的禁忌算法。该算法基于自然数编码，并且采用多初始解和全局禁忌表等技术，把不同的车型指标、路况信息、时间窗、容量、发车时间等约束通过控制车场插入和惩罚项加入到优化解中。本文介绍了此算法的原理，给出了具有代表性的算例试验结果和结果分析。实验表明，此方法对求解复杂情况下的车辆调度问题是有效的。     

基于VRPTW-AT模型的钢包优化调度方法

在炼钢-连铸生产过程中,钢包的优化调度对减少钢铁生产的热能消耗,提高生产效率具有重要作用.将钢包调度问题归结为任务带有时间窗、车辆带有调整时间的车辆路径问题(vehicle routing problem with time windowsand adjustment time,VRPTW-AT).根据钢包服务钢水过程的约束建立了钢包调度问题的数学模型,针对模型特点提出了分散搜索(scatter search,SS)算法.基于国内某钢铁企业生产实绩做测试案例,对SS算法的优化效果与钢厂生产的实际数据进行了对比分析,实验结果表明了模型和算法的有效性.     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

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.     

资源多时间窗约束下的项目调度

资源受多时间窗约束在项目管理实践中时常出现,却在资源受限项目调度的研究中很少涉及。根据资源的多时间窗特点,建立以成本最小化为目标、考虑资源多时间窗约束的项目调度优化问题的数学模型,提出基于优先规则的倒推右移调度方法,开发相应的优先规则。经算例测试,对比分析资源时间窗在不同的配置水平下对项目成本和工期的影响,并对活动网络复杂性和不同的优先规则下的结果进行比较。结果表明,基于优先规则的倒推右移调度方法可以有效地求解问题,项目目标在倒推右移操作后有明显改善,考虑任务资源时间窗匹配和最小后序活动静态成本的混合优先规则求解效果较好。     

大规模客户车辆调度问题启发式算法研究

为进一步扩大车辆优化调度问题的研究规模,将最佳客户插入原则(PFIH-Push Forward Insertion Heuristic)与遗传算法相结合,解决了以往初始种群中可行解概率低等问题;并实现了以路径首客户编码方式代替传统的全部客户编码,缩短了染色体长度,从而提高了遗传算法优化大规模客户车辆调度问题的效率。将该方法应用于有时间窗车辆调度问题,并采用Solomon数据验证,通过与其它算法结果比较,说明了该方法的可行性与优越性。     

带硬时间窗的O2O生鲜外卖即时配送路径优化

针对线上到线下(O2 O)生鲜外卖订单动态性高和配送服务时效性强的特征,建立以配送距离最小为目标,带硬时间窗的O2 O生鲜外卖即时配送路径优化模型.根据硬时间窗的要求和合单配送思想,设计滚动时域延迟配送算法进行求解.通过大量数值仿真实验验证了该算法在实际网络与一般仿真网络中均具有有效性,并且配送距离比滚动时域非延迟配送...     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

Application of Drone in Solving Last Mile Parcel Delivery

The article is about solving the last mile delivery problem in rural town or village. We want to test the drone's potential in parcel delivery. The objectives are 1) to introduce the cluster and truck-drone in tandem delivery method, 2) to compare the new method with the traditional TSP method in aspect of truck running distance, energy using and time occupation. The parcel delivery demand is sparse, so it is not dense enough for a truck to carry on delivery. We try to identify the best route for the drone to deliver the goods. We use k-mean method to carry on clustering, then we use enumeration method to fulfill the centroids delivery, which comes from the depot. We design a model and calculate the energy, time and distance saving between drone using method(DTSP) and traditional TSP method. The drone attended delivery saves truck delivery distance, energy consumption and time.The truck running distance of DTSP method saves 91.87%, the truck running distance is shortened from 189.69 km to 15.4252 km. The DTSP method saves 90.45% of energy. The DTSP method brings a29.75% cutoff in time aspect when there are two drone in running. The research introduces the cluster and TSP combination method, which is a good way to carry on last mile delivery. The result shows a bright future for drone to attend parcel delivery. The e-commerce corporation can apply this method in practice.     

速度时变的多中心半开放式车辆路径问题研究

针对多中心半开放式车辆路径问题,考虑软时间窗约束和车辆速度变化情况,构建了最大化平均客户满意度、最短配送距离和最小配送成本为目标的优化模型,并设计了两阶段求解算法。基于自适应网格密度法和邻域拥挤密度法对多目标粒子群算法的外部档案进行维护及选取全局最优粒子,提高算法的收敛性和后期种群多样性,以获得初始可行解。用变邻域搜索算法优化初始可行解,减小配送距离,降低配送成本。通过仿真实验结果验证了模型的合理性和两阶段算法的有效性。     

有时间窗约束车辆调度优化的一种禁忌算法

针对有时间窗的V SP问题提出了一种禁忌算法,本算法运用了多初始解和全局禁忌表等各种措施来减小解的不稳定性和扩大搜索范围,并根据容量约束和时间窗约束性质的不同,结合惩罚函数和各约束的性质来联合控制车场的分配。给出了两组具有代表性的试验数据,并与其他算法优化时间窗V SP的实验结果作了比较。结果表明,此禁忌算法是解决有时间窗约束的一条有效途径。     

基于滑动窗口的新息自适应组合导航算法

针对新息自适应滤波算法噪声跟踪精度和跟踪灵敏度相互矛盾导致的窗口宽度选取困难问题,提出了一种基于滑动窗口的新息自适应组合导航算法,该方法通过设计噪声统计特性梯度检测函数、敏感噪声统计特性的实际变化情况,利用窗口自适应函数实时计算窗口宽度,使得窗口在预设区间内自适应滑动,以适应实际噪声的变化。仿真实验表明,基于滑动窗口的新息自适应组合导航算法可以有效跟踪噪声统计特性的实时变化,可同时兼顾自适应跟踪精度和跟踪灵敏度。     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.     

基于加权局部复杂不变性的时间序列分类算法

为解决现有方法对较长、复杂度分布不均序列的错分类问题,提取序列复杂度的局部信息,提出了加权局部复杂度不变性距离（WLCID）,包含复杂度局部表征和全局加权整合两个模型。利用滑窗分解序列,结合复杂度不变性距离表示方法提取局部复杂度信息;通过建立类表征模型,以类间距越大的子段对分类正确的贡献度越大为依据,通过归一化累积类间距来量化整合权重。与相似算法的对比实验表明：此方法不仅在复杂度分布不均的数据中表现突出,在大多数测试集也有较好的效果。在分类和聚类任务上精度的提升,说明方法在表示时间序列形态特征的复杂度信息上具有较好的能力。