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。     

救灾物流配送路径决策研究

根据救灾应急物资运输调度的约束条件,构建具有多品种物资的混装模型,提出一种救灾物流网络配送路径决策方法.应用Matlab工具编写程序,实现基于遗传算法的救灾物流网络配送路径决策方法,并进行了算例验证.结果表明,该方法可以快速有效地确定救灾物流配送方案,解决了总运输成本最小的车辆路线优化决策求解问题.     

矩阵方程AXB=C的中心对称最小二乘解的迭代解法

给出了求矩阵方程AXB=C的中心对称最小二乘解的一种迭代解法,即利用法方程变换,将求解最小二乘解转化为相容矩阵方程的求解问题,再利用迭代法求出新方程的直接解.使用该方法,对任意给定的初始中心对称矩阵都可在有限步内迭代求出它的中心对称最小二乘解.并且将求最佳逼近的问题转化为求一个新方程的极小范数解的问题,同样可用迭代法求解.     

基于模糊约束满意度的烟草配送模糊线性规划

 为降低烟草配送成本,采用一级配二级送模式进行烟草配送。对传统的烟草配送问题进行了改进,应用最大覆盖模型对中转站进行选址,然后提出了含有梯形模糊数的烟草配送优化模型。结合供应点的供应能力和需求点的需求量为模糊参数的约束条件,提出了一种基于模糊约束满意度的求解方法。针对该模糊运输规划模型,利用期望区间均值将不确定模型转化为区间线性规划模型,然后分别对目标函数和约束条件进行处理,将区间线性规划模型转化为确定性的线性规划模型进行求解。这样决策者就可以根据客观情况和主观判断,得到不同的决策方案,使得决策更具有柔性,更加符合实际决策过程。应用该方法,郴州某烟草公司的运输成本大幅下降,比一级配一级送模式节约成本5.37%,验证了该模型的可行性和有效性。     

两点边值问题二尺度小波核LS-SVM解法

针对两点边值问题难以得到解析解,提出了利用二尺度小波核最小二乘支持向量机方法求两点边值问题的近似解;首先将两点边值问题转换为带有两个约束条件的目标优化问题,再利用二尺度小波核函数的组合构造满足边界条件的近似解;其中第一个约束条件用第一尺度小波核函数逼近,第二个约束条件是对第一次逼近的误差函数用第二尺度小波核函数再次逼近,可提高近似解逼近精度;最后将目标优化问题转化为回归问题,进而利用最小二乘支持向量机方法求解回归系数,系数求解过程中核心是将参数回归问题转化为二次规划问题,可避免复杂的微分运算;数值实验表明:方法求解两点边值问题有较高的精度,计算量小,并且具有较好的稳定性,因此二尺度小波核最小二乘支持向量机方法求解两点边值问题的近似解是有效的,并且具有精度高、可微、表达式简单且形式固定等特点。     

区域配送中心物流调度模型

针对物流系统调度中存在的区域配送"少批量,多批次"供货要求的问题,作者用时间片规范订单,通过拆分、组合订单及优化调度计划,降低成本.以某企业工程实践为背景,提出了一类区域配送的物流调度模型.该物流调度模型运用组合优化的思想,基于中央配送中心、区域配送中心、门店形成的三级运输配送体系结构,提出了在一定的约束条件(时间约束条件和空间约束条件)下,以最小成本实现物流调度计划的方法.求解算例表明,该模型对解决多货品、多门店的供货问题是有效的.     

基于时间扩展网络的区域疏散公交路径规划

针对城市公交系统应急区域疏散路径规划问题,采用时间扩展网络建模技术对疏散公交路网进行了表达,进而建立了以疏散总出行时间最小化为目标函数的离散、动态疏散网络流模型,将公交网络的疏散路径优化问题转化为混合整数规划问题,并设计了启发式禁忌搜索(TABU)算法,用于快速求解公交疏散路径优化方案.最后,以长春市中心区路网为例,对公交系统的区域疏散问题进行了实证研究,着重对比了CPLEX9.0软件的精确求解与禁忌搜索算法的近似求解之间的性能差异.数值实验结果表明,时间扩展网络模型可以有效反映公交疏散系统的动态性,同时禁忌搜索算法能够在求解效率和求解精度上取得较好的折衷.     

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。     

基于改进的动态聚类算法的配送车辆调度研究

研究了物流配送车辆调度优化问题,建立了以所需车辆数最少为第一目标,以车辆总行程最短为第2目标的双目标优化模型.把问题分成2阶段进行求解,第1阶段用改进的动态聚类算法分派车辆的配送任务,第2阶段用动态规划方法求出车辆的行车路线;实例证明,算法有效降低问题的复杂性,使问题在合理的时间内得到满意解,模型和算法均具有较大的推广意义.     

钢框架结构离散优化问题的理论下界

针对两种典型的钢框架结构离散优化问题,即柔度约束的最小体积问题和体积约束的最小柔度问题,提出了基于凸组合的线性松弛方法,将关联离散变量进行线性松弛,进而将非线性、非凸的离散优化问题转化为松弛的凸规划问题.其中,体积约束的最小柔度问题可松弛为二阶锥规划问题,柔度约束的最小体积问题可松弛为半定规划问题.采用成熟的优化求解器,就可以得到两类凸规划问题的全局最优解,也就是原离散优化问题的理论下界.以一跨四层钢框架的离散优化问题为例,用所提出方法进行求解,并用枚举法和遗传算法对优化结果进行验证.数值结果证明,所提出方法可以快速得到离散优化问题的理论下界.     

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。     

约束非线性规划求解的一种统计方法

对于约束非线性规划问题,通常用迭代法借助Mathematic软件来求解,或者借助于Lingo软件来求解,文章是采用统计学思想,得出了通用求解算法,并用Mat lab软件得出结果.文章把非线性规划问题转化为对系统函数求稳定中心的问题,由于我们是在微微放大了非线性规划问题的约束区域后求稳定中心的,从理论上讲,在得到稳定中心以后,应该对其稳定中心进行检验,看是否真的满足非线性规划问题的约束条件.但由于我们考虑的辅助正数非常小,对不满足非线性规划问题的约束条件的情况,也是在边界条件之内的.实例表明,我们的方法有较强的可操作性且具有较高的计算效率.     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

配送路线的制定方法的探讨

配送路线合理与否对配送速度、车辆的合理利用和配送费用都有直接影响,因此配送路线的优化问题是配送工作的主要问题之一。采用科学的合理的方法制定配送路线,是配送活动中非常重要的一项工作。本文针对常规配送路线制定方法的不足,探索了两种新的配送路线的制定方法,旨在为从事物流业者和物流管理专业教育的工作者提供更为科学的求解方法。     

考虑稳态和动态数据的S-型生化系统参数估计方法

针对具有稳态实验数据和动态实验数据的一类S-型生化系统的参数估计问题,以浓度误差、斜率误差与稳态误差之和为极小化目标,构建了一种参数估计优化模型。为了求解参数估计问题,利用四阶龙格库塔离散化格式,将优化问题中的微分方程转化为代数方程,同时将所构建的优化模型转化为稳态约束条件下的非线性规划问题。为了求解上述非线性规划问题,应用样条插值估计实验值的速率。为了说明算法的有效性可行性,将建立的优化模型与求解方法应用到已有的S-型生化系统中,并绘制了仿真结果的图像。与已有方法比较,数值结果表明,加入稳态误差优化与稳态约束后,可获得更为精确的参数估计结果。     

风电时序动态修正的实时调度计划研究

针对风电功率预测偏差影响电力系统发电计划准确性的问题,提出了一种超短期内风电时序动态修正的实时调度模型.该模型采用马尔科夫链时序预测方法,以5~15min为周期动态修正风电超短期预测功率的时间序列,并以煤耗增量最小和弃风最小为双重优化目标,同步修正风电场及常规机组的发电计划,最后将模型转化为凸二次规划及其拉格朗日对偶问题,并基于原-对偶内点法构建求解算法.通过对含风电场的10机组系统的仿真分析表明:所提模型在日内调度过程中进一步优化了系统的运行成本,同时提高了系统跟踪风电功率波动和消纳风电的能力,所采用的求解算法收敛迅速、鲁棒性强,可适应于实时调度的计算需要.     

网络最小费用最大流双目标遗传优化算法

针对将网络最小费用最大流问题转化为单目标优化问题进行求解的缺陷,提出网络最小费用最大流的双目标优化模型,并引入多目标遗传算法.对最小支撑树对应的余树弦流量初始值进行编码,通过解码和回路矩阵计算流量网络树枝的流量.在网络最小费用、最大流量双目标函数和网络结点容量、网络分支容量约束条件基础上,按照多目标优化理论构建增广最小...     

最大路径算法在原条量材优化中的应用及其优化

在分析求解最短路径问题与求解最大路径问题差异的基础上,给出了一种在有向图中采用动态规划策略求解最大路径的算法,将其应用到原条量材网络图中求解原条最优量材问题;并提出了采用量材三角形优化原条量材网络图的一种优化方法,降低了算法的复杂度.通过实验验证了算法与优化方法的正确性与可行性.     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

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。