同时考虑配送与安装需求的带时间窗车辆路径问题

电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。     

基于捕食搜索策略混合遗传算法的车辆路径问题研究

在分析研究车辆路径问题的基础上,将其转换为经典TSP优化问题进行求解并建立数学模型,针对遗传算法在求解车辆路径问题时搜索效率低,容易陷入局部最优的缺点,提出了一种改进的遗传算法.改进算法引用自适应邻域法进行种群初始化;基于捕食搜索策略动态自适应调整遗传参数,在加快寻优速度的同时防止陷入局部最优;交叉前后的种群分别实施精英个体保留策略,交叉变异之后引进进化逆转操作,继承父代较优和较多的信息.实验结果表明:改进遗传算法搜索效率高、计算结果较为稳定;求解车辆路径最优问题较其它算法具有较好的性能.     

基于改进人工蜂群算法的易变质产品配送问题研究

针对物流工程中的易变质产品配送路径优化问题,提出一种基于概率矩阵模型及精英保留策略的改进人工蜂群算法.利用贪婪准则初始化种群,用以提高初始种群质量;提出一种概率矩阵模型,通过记录各客户配送信息并将配送信息转化为概率来选择每代的配送顺序,同时结合精英保留策略,用以加快算法的收敛速度;为增加解序列的多样性,将单点交叉与顺序交叉相结合的交叉方式引入人工蜂群算法中.通过对实例的仿真及算法比较,验证改进的人工蜂群算法具有良好的全局收敛能力及较好的求解效果.     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

基于柯西游走的改进灰狼算法求解FJSP

为了提高生产资源的利用率和调度效率,提出了一种基于柯西游走的灰狼优化算法,将其应用于求解柔性作业车间调度问题（FJSP）。在经典灰狼算法的基础上,加入柯西游走策略跳出局部最优;引入非线性收敛因子a控制算法的广度搜索与深度搜索程度;采用混合生成新解的种群更新策略适当增强种群多样性。通过在不同规模的测试用例上进行仿真实验和分析比较,实验结果表明,基于柯西游走的灰狼算法寻优性能稳定,在平衡算法的全局搜索和局部搜索程度方面表现较为出色。     

多LNG点供企业联合配送的半开放式车辆路径问题

为解决多家LNG点供企业联合配送的路径优化问题,构建带时间窗的半开放式多中心车辆路径模型.考虑到LNG具有危险化学品特性,限制了 LNG槽车的通行路段,为求解该问题,设计改进的回溯搜索优化算法,提出客户信息与配送中心信息相对独立的新型编码方式,有效解决了车辆容量限制可能会导致传统自然数编码长度不一致,进而影响种群交叉、...     

蚁群遗传优化算法在物流配送路径选择中的应用

在对车辆路径问题(VRP)分析的基础上,为之建立了数学模型,提出了一种适合求解该问题的蚁群遗传优化算法.提出的改进算法是先通过限制、选择和更新信息素、控制搜索次教,找出路径的满意解,大大缩短了搜索时间;再用所得较好的路径表示作为初始种群,指定为父体,直接进行分组定界操作,将已得路径进行优化改良,求得最佳配送路径.实验结果表明,该算法应用于求解物流配送路径的问题行之有效.     

时变路网下多中心混合车队联合配送车辆路径优化

针对时变路网下多中心混合车队联合配送车辆路径问题,综合考虑多配送中心开放、燃油车及电动车联合配送、车辆行驶速度连续变化等因素的影响,构建以车辆固定成本、运营成本和时间窗惩罚成本之和最小为目标的优化模型.根据问题特征,设计混合启发式算法进行求解,算法中采用K-means聚类方法生成初始种群,然后用变邻域搜索算法进行搜索优...     

基于改进布谷鸟算法的配送车辆路径优化方法

针对配送车辆行驶路径选择不合理、配送效率降低等问题,提出基于改进布谷鸟算法的配送车辆路径优化方法。遵循路径最短配送原则,构建目标函数,为简化模型结构,设置路径优化的相关约束条件,保证每个需求点只能被配送一次,车辆必须在最大距离负荷范围内行驶,建立路径优化模型;分析经典布谷鸟算法的鸟巢位置更新过程,添加调整因子,引入动态惯性权重;通过布谷鸟搜索算法求解优化模型,经过种群初始化、鸟巢位置更新等过程不断寻找全局最优解,当满足迭代停止条件时,输出最佳优化方案。实验证明,该方法搜索能力强,解集分布均匀,能确保配送路径最短,提高配送效率。     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

Levy人工蜂群在钢铁企业供应端的优化

根据钢铁企业供应端中配送成本高、运营效率低、管理不科学等问题,提出了一种以钢铁企业实际为中心,并以供应成本最低为目的的配送车辆路径模型。利用Levy飞行对改进的人工蜂群进行优化,用以求解最低成本、最优路径的钢铁企业供应问题。以某钢铁企业设计实现的供应配送管理系统为依托,研究了场外物流调度的执行情况,建立了适合钢铁企业的车辆路径问题数学模型;并通过与传统方法进行模拟计算和比较,验证了新型优化算法计算效率高、求解速度快;并且该模型求出的解可节省成本,降低损耗,从而指导钢铁企业供应以提高企业利润。     

非线性混合整数规划问题的改进量子粒子群算法

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。     

基于改进灰狼优化算法的区域监测机器人路径规划

为了解决大任务量作业监测中机器人路径规划问题,提出了一种区域监测的机器人路径规划算法。模拟大任务量监测真实环境进行问题建模。针对传统灰狼优化算法求解模型时全局搜索能力差且易陷入局部最优解的问题,提出了一种改进的灰狼优化算法。引入Logistic混沌映射,以加强初始化种群的多样性;引入一种控制参数的自适应调整策略,以平衡灰狼优化算法的搜索能力和开发能力;引入静态加权平均权重策略,更新种群位置,加快收敛速度。将机器人载电量与路径长度短作为约束,引入K-means算法进行任务聚类,通过改进灰狼优化算法对模型进行离线求解以规划出路径,将大任务量监测作业自动转换成分时分步作业。实验结果表明:通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高。通过50任务点与100任务点作业场景对机器人路径规划模型进行算法仿真,验证了算法的真实有效性,且任务量越大模型优越性越好,路径缩短比例越高。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

共享经济下人车货路径匹配优化问题研究

针对网约车运力资源剩余与物流末端配送即时性不足间的矛盾,以多方参与主体总利益最大化为优化目标,构建网约车、乘客与快递联合配送车辆路径匹配优化模型.根据车辆路径匹配优化问题的NP-hard特性,运用插入启发式算法构造种群初始解,设计了一种适于求解全局优化问题的改进型混合遗传算法.仿真实验表明:该模型能在有效减少车辆总行驶里程的同时提升多方主体的利益.对比实验证明了提出的混合遗传算法不仅能够解决易陷入局部最优的弊端,而且还提高了求解问题的全局寻优能力及运行速度,为网约车的剩余运力资源利用及物流末端配送路径优化提供了新的解决思路.     

一种新的免疫克隆算法在CVRP问题中的应用

基于克隆选择学说,通过引入克隆算子提出一种新的免疫克隆算法,并将其用于求解CVRP问题.该算法采用了克隆增殖、高频变异和克隆选择算子的操作,增加了种群中优秀个体获得克隆增殖实现亲和度成熟的机会,提高抗体群分布的多样性,在深度搜索和广度寻优之间取得了平衡.仿真结果表明,该算法具有良好的全局收敛性和较快的收敛速度,能有效解决CVRP问题.     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

改进免疫克隆算法的Job Shop调度

提出了基于种群协同进化的并行免疫克隆算法,将种群中个体的亲和度计算并行在多个计算节点上同时进行。引入免疫记忆机制,使抗体种群的演化过程和记忆单元的演化过程并行进行,更好地实现了抗体间的相互协作,保证了解集从可行域内部和不可行域边缘向着最优解逼近。采用了克隆增殖变异和交叉算子的操作,增加了种群中优秀个体获得克隆增殖实现亲和度成熟的机会,提高抗体群分布的多样性,在深度搜索和广度寻优之间取得了平衡。从而保证了算法较强的收敛性以及搜索空间的多样性。利用标准问题库对算法进行测试,并分析算法参数对算法结果的影响,仿真结果表明,该算法对待寻优空间的全局搜索能力和局部搜索能力以及算法的稳定性与计算速率都要强于简单免疫克隆算法和遗传算法等优化算法。     

采用改进灰狼算法的移动机器人路径规划

针对传统灰狼算法求解移动机器人路径规划问题收敛效率低且易陷入局部极值的缺陷,提出一种基于Tent混沌映射初始化种群的改进灰狼(TGWO)算法,并将其运用于解决移动机器人全局路径规划问题。基于Tent混沌映射初始化灰狼种群,以丰富种群多样性,提高收敛速度;提出指数型收敛因子改进策略,以更好地拟合灰狼实际搜索过程,并通过改进控制参数H以平衡算法的全局勘探与局部开发能力;融合动态权重因子和适应度比例系数,更新灰狼个体的位置信息,以提高灰狼个体自主搜索能力,避免算法陷入局部最优。为验证算法有效性,选用8个标准测试函数以及3组复杂度不同的栅格环境,先后开展了TGWO算法与传统GWO算法、3种典型改进灰狼算法的测试对比实验以及全局路径规划仿真对比实验。结果表明：TGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;仿真场景下,相较于传统GWO算法,TGWO算法所提的各个改进策略均能有效提升路径寻优性能;TGWO算法的平均路径长度、路径长度标准差、平均迭代次数、平均寻优耗时这4项指标均优于对比算法;TGWO算法路径寻优的优越性和鲁棒性得到了验证。     

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。