基于多邻域的车辆路径优化迭代局部搜索算法

针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS.首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化.当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化.为提高搜索效率,局部优化过程只在限定邻域内进行.在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优.     

用进化变邻域搜索算法求解闭合供应链选址问题

针对逆向物流依赖于物流网络的合理规划与设计,提出选址问题,通过分析闭合供应链规划设计中的选址定位,建立了相应的数学模犁。模型中正向物流和逆向物流共享运输网络,把需求量作为随机变量处理,以供应链的总运营成本作为优化目标,为解决闭合供应链选址这个NP难题,提出了种基于进化策略的变邻域搜索算法。通过设计基于多个算例的仿真试验表明：所建立数学模型和所提出算法是有效的。     

一个改进的变邻域搜索方法求解k-card问题

本文将变邻域搜索算法应用到k-card问题求解中,重新定义了一种邻域结构,改进了算法,使得邻域内可行解的搜索速度得以加快,并提高了近似解的质量。对几个实际问题进行了数值实验,并与现有邻域结构的变邻域搜索算法进行了对比,实验结果证明了改进变邻域搜索算法对k-card问题的有效性。     

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.     

基于变邻域搜索的电子侦察卫星动态调度问题研究

电子侦察卫星动态调度是电子侦察卫星管控的重要内容,调度方案的质量直接影响到卫星的使用效率.分析了导致动态调度的扰动因素,把不同扰动下的电子侦察卫星动态调度问题归结为一类复杂约束下的任务插入问题,并建立了问题的数学模型.提出了基于初始调度方案的变邻域搜索算法,设计了邻域结构和邻域移动算子.最后通过仿真实验验证了方法的有效性.     

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。     

变邻域退火算法在CVRPTW中的研究

针对传统单一启发式方法解决VRP（Vehicle Routing Problem）问题解质量不高的问题,提出一种新的混合算法。该混合算法以随机近邻启发算法作为初始解,结合嵌入＂退火机制＂的变邻域VNS（Variable Neighbour Search）搜索算法解决车辆路径问题。实验结果表明,改进算法收敛速度较快,且解决了变邻域搜索易陷入局部最优的问题。     

基于改进变邻域搜索算法的成型机分批重调度优化

针对成型机故障和工单交货期提前两类事件,提出一种基于改进变邻域搜索算法的分批重调度方法,基于最小分批原则和非等量分批原则对工单进行批量划分,考虑重调度过程的稳定性与准时性,建立数学模型。设计一种改进的变邻域搜索算法(VNS),通过构建转移邻域和叠加邻域两种邻域结构,提高了搜索的收敛速度和寻优能力。最后以某磁性材料成型车间作为实例进行验证。结果表明,所提重调度方法能够在保证工单准时交付的基础上,提高成型机利用率,为工厂的实际生产决策提供参考。     

有时间窗的车辆路径问题及改进禁忌搜索算法

基于改进的禁忌搜索算法求解有时间窗的车辆路径问题,建立了该问题的通用数学模型.改进算法中,在随机构造的多个可行解中挑选较好的解作为初始解,采用2-opt方法生成邻域,并构造了动态禁忌表,使禁忌表的大小和结构随搜索过程发生改变,提高了整体寻优能力.仿真实验证明了算法的可行性、有效性和优越性.     

带时窗回程取货的车辆路径问题的算法

车辆路径问题如果考虑回程取货过程就可以在送货的过程中先后完成取货任务,比传统不考虑回程过程的问题更有实用性,基于此对传统问题进行了改进,不限制车辆的取送货顺序,而是设计了相应参数,避免了货物的重新排列·在确定目标时,综合考虑车辆运行成本、人员等待成本及服务成本等因素,实现目标解的真正可行·最后,根据此问题的特点,设计了先通过分枝定界法及遗传算法确定可行路线,再运用整数规划方法求解的算法,并以实例说明了算法的有效性·     

模糊需求车辆路径优化及实时调整

针对模糊需求车辆路径问题,在需求未明的预优化阶段,基于可信性测度理论建立预优化模型,设计混合分散搜索和变邻域搜索的变邻域分散搜索算法求解;在获知实际需求的实时调整阶段,提出一种新的实时调整策略,采用随机模拟算法模拟可能场景的实际需求.算例仿真结果表明,变邻域分散搜索算法是求解该类问题的较好算法,新策略能实现较优的实时调整.     

Improved Multi-Agent System for the Vehicle Routing Problem with Time Windows

The vehicle routing problem with time windows (VRPTW) involves assigning a fleet of limited capacity vehicles to serve a set of customers without violating the capacity and time constraints. This paper presents a multi-agent model system for the VRPTW based on the internal behavior of agents and coordination among the agents. The system presents a formal view of coordination using the traditional contract-net protocol (CNP) that relies on the basic loop of agent behavior for order receiving, order announcem...     

有时间窗配送车辆调度问题的禁忌搜索算法

在对有时间窗配送车辆调度问题进行描述的基础上,建立了该问题的基于直观描述的数学模型.通过设计一种新的解的表示方法构造了求解该问题的禁忌搜索算法,并以21个节点的运输网络为例进行了实验计算.计算结果表明,用作者设计的禁忌搜索算法求解有时间窗配送车辆调度问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定.     

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题（STT?VRPSPD）,建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索（HSTS）算法,并采用C?W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。     

遗传算法在有时间窗车辆路径问题上的应用

应用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ—ＧＡ）求解有时间窗车辆路径问题,获得其近优解或最优解．使用一种直观的编码方法,提出基于优先关系的交叉算子,实验表明,这种ＧＡ能够有效地解决复杂的优化问题     

钢铁企业产成品转库车辆路径问题优化

分析了钢铁企业产成品转库问题的特点,通过将转库任务分解的方法将原问题转化为具有最迟访问时间约束和同时访问车辆数限制的车辆路径优化问题,建立了转换后问题的0-1规划数学模型,针对模型的特点设计了迭代局域搜索算法.算法初始解由贪婪算法生成,局域搜索过程采用4种常用局域搜索算子的混合,摄动过程采用变强度的2-opt*算子.该算法可以同时实现转库车辆指派和车辆路径优化.通过仿真生成的算例对模型和算法进行了验证.实验结果表明,该模型和算法是解决该类问题的有效方法.     

两级车辆路径问题的多起始点变邻域下降算法

两级车辆路径问题是指货物必须首先由中心仓库配送至中转站(第一级),再转运至需求点(第二级)的一种新型车辆路径问题.针对该问题特性,提出一种多起始点变邻域下降求解算法.首先由改进的Split算法循环分割由所有需求点组成的随机排列,直至出现可行的第二级配送方案,然后求解第一级问题,获得完整的初始可行解,再通过变邻域下降算法进一步改进.当变邻域下降算法无法改进时,采用多起始点技术重复上述过程,直至算法终止.实验结果表明,所提出的算法易于实现,且性能优于已有最好的两种启发式算法.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。