软时间窗配送车辆路线优化算法及应用

在软时间窗非满载车辆调度优化问题中,每个客户要求在一定的时间范围内被服务,如果每项任务不能在要求的时间范围内完成,则给予一定的惩罚.在建立物流配送路径优化问题模型的基础上,构造了求解该问题的基于自然数编码的遗传算法,并进行了实验计算和应用.结果表明,采用该算法进行带软时间窗的非满载车辆调度计算,可以方便有效地求得满意解.     

基于群体竞争遗传算法的带时间窗车辆路径规划

为了提升传统遗传算法的寻优能力,本文提出了基于群体竞争的遗传算法,并从算法设计上说明了其寻优速度提升、不容易陷入局部最优的原因;将基于群体竞争的遗传算法应用于复合函数最大值的求取上,并对比传统遗传算法的寻优结果,结果发现前者寻优速度快;最后将算法应用于基于时间窗的车辆路径规划上,并得出了最优解.     

带碳费约束的同时取送车辆路径问题研究

在基本车辆路径问题基础上增加"同时取送"、"时间窗"与"碳费"三个约束条件,发展为带碳费约束的有软时间窗同时取送车辆路径问题.建立了相应的数学模型,设计了以Or-opt为邻域结构、增加碳费惩罚机制的禁忌搜索算法对模型求解.通过与相关文献进行比较,显示了禁忌搜索算法搜索速度和寻优能力的优越性.物流企业若能采用以较好算法开发的车辆调度软件,将能削减其碳费,提升自身经济效益和社会效益.     

基于二次A算法的复杂环境下车辆导航路径规划方法

在部队作战或演习中,复杂且未知的野外环境给作战车辆的路径规划造成了极大的影响。针对车辆无法在环境信息未知的复杂野外环境下快速到达目的地的问题,通过改进搜索策略来提高车辆的机动性,同时提出一种加入预处理的二次A~*算法来提高车辆实时避障的能力。首先,针对A~*算法的搜索策略进行改进;其次,通过预处理算法明确目标区域的环境信息,规划得到全局最优路径,当行进过程中突然出现未知障碍物时,根据车辆的实时位置以及障碍物确定局部规划区域,再一次应用A~*算法进行局部最优路径规划;最后,进行实验验证。实验结果表明,车辆在不同地形条件的行驶过程中尽管牺牲了一部分搜索时间和路径长度,但行驶时间分别减少了26.6%、29.5%、32.4%和35.2%。随着地形条件的复杂程度不断变大,算法使车辆的行驶时间减少更多,极大地提高了车辆的机动性,具有重要的现实意义。     

基于混合遗传算法的无人机航线规划

针对航线规划中的路径组合爆炸问题进行了分析和讨论,运用遗传算法提出了解决方案,并对遗传算法的过早收敛问题,结合模拟退火算法设计出航线规划混合遗传算法,改善了算法的性能,最后通过仿真分析验证了其有效性。     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题,提出了一种新的算法——渐变式路径优化算法.该算法是结合D ijkstra算法和遗传算法的优点,采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法.对新算法和传统算法进行了比较,同时将该算法应用于G IS路径规划中,对新算法中的关健参数σ、β因子进行了测试.仿真结果表明该算法极大地加快了搜索速度,提高了搜索效率,取得了良好的效果.     

一种新的多移动机器人协调路径规划方法

针对动态环境中多移动机器人路径规划问题,提出了一种基于知识的遗传算法。该算法路径表示简单,所设计的基于知识的遗传算子并入了领域知识和局部搜索技术,同时,把领域知识并入初始种群,大大提高了遗传算法的效率;将协调路径适应值矩阵引入基于知识的遗传算法,实现了多移动机器人协调路径规划。仿真结果验证了该算法在多移动机器人路径规划中的可行性和有效性。     

基于改进PSO的汽车路径优化

车辆路径问题(Vehicle Routing Problem,VRP)是物流中的重要环节,主要研究物流配送中车辆线路优化以降低运输成本.本文利用粒子群优化算法求解VRP,为了提高求解效率,通过构造自学习算子、微粒的重新编码及运算规则的重新定义,使PSO算法能够处理离散问题,把微粒群算法应用于VRP问题的求解中,通过仿真证明了提出方法求解VRP问题的有效性和优越性.     

基于ESGA的纯电动需求响应公交路径规划

某企业在研究区域有若干个公交场站和若干辆纯电动公交车,通过合理规划公交车的行驶路径,以实现企业利润的最大化。通过对纯电动需求响应公交路径规划问题的描述,并充分考虑在实际运营过程中的各种因素,建立了数学模型,并采用ESGA算法对模型进行求解,首先通过K-means算法实现公交临时停靠站的规划,并根据站点乘客的期望上车时间分布,确定需求响应站点的时间窗,其次通过精英遗传算法,对纯电动公交的路径进行规划。最后,通过实例验证算法的可行性,结果表明ESGA算法精英种群的规模设为15%左右时求解结果较好。     

考虑顾客收货时间的两层车辆路径优化问题

考虑了包含顾客收货时间的两层车辆路径问题,构建了相应的混合整数规划模型,并考虑了最小化总成本和总运输距离等不同的目标函数。通过对两层车辆路径优化模型实验数据的分析,揭示了其优于单层车辆路径模型的特点,并分别分析了顾客需求、顾客收货时间等因素变化对规划决策的影响,为实际车辆路径优化问题提供了管理启示。     

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI (premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.     

水声通信网中基于能量平衡的动态路由控制

针对水声传感器网中一些中继节点因过分使用而过早耗尽能量的问题,提出一种动态路由控制新方法.通过周期性预测出节点的信息产生率,并根据节点当前剩余能量,估计出采用不同路由时节点的生命值.以网络节点的最小生命值为目标函数,借助遗传算法周期性搜索出与最大目标函数值对应的路由,这样的路由就是能平衡各节点能量的最佳路由.仿真结果表明,该方法能避免生命值较小的节点承担过分的中继任务,延长节点生命.     

基于改进蚁群算法的潜艇最短航路规划

提出了一种将潜艇的航路规划问题转化为多阶段最短路径问题的模型,和最短路径问题的威胁度加权算法,并使用蚁群算法来计算最短路径,达到求解潜艇航路规划问题的目的.还针对现有的蚁群算法收敛速度慢的缺陷提出了一种蚂蚁学习策略,同时对现有算法的信息素更新策略进行了改进.最后的实验比较得出,改进后的蚁群算法收敛速度与成功率相比传统蚁群算法有了明显提高.     

一种有约束的多层布线通孔优化算法

提出一种以多层布线的通孔优化为目标、同时满足相交约束的算法. 当群体收敛到一定程度时,根据惩罚项选择个体,直到产生完全满足约束条件的可行解. 让群体在可行解的范围内进行精确搜索,得到全局最优解. 采用稳态繁殖和最佳个体保存法提高算法的效率. 该算法可避免产生不可行解,解决收敛速度和全局搜索性之间的矛盾,得到满意的通孔优化效果.     

基于一种混合算法的分类规则挖掘

在分析决策树算法及遗传算法的基础上,提出了一种将两种算法结合起来挖掘分类规则的新方法.实验证明,它不仅解决了数据挖掘中的“碎片”问题,同时还提高了分类的准确率.     

改进遗传算法在TSP组合优化问题中的应用

TSP组合优化问题随着问题规模的增大,其潜在解的搜索空间增长速度比指数函数增加的速度还快.TSP问题的NP-hard使得求解这些问题的最优解非常困难.提出了通过改进经典遗传算法来求解TSP问题近似解的一个算法.仿真结果验证了该算法的有效性.     

用遗传算法求解最优切割方法

研究用遗传算法求解最优的下料切割方法,并给出了用遗传算法求解此问题的算法。     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

基于遗传算法的机组优化组合研究

为降低发电机发电成本,采用改进的遗传算法研究发电机组优化问题。首先将爬山法应用于遗传算法,使得改进后的遗传算法不仅具有搜索速度快、鲁棒性强等优点,而且收敛迅速,精度高;然后将改进算法应用于发电机机组优化。模拟仿真表明,该算法收敛性好,适应性强,具有很好的实用价值。