路径长度受限的随机需求VRP的模型和算法

路径长度受限的随机需求VRP在生产、生活中有着广泛的应用。给出了路径长度受限的随机需求VRP问题的线性整数规划模型,在不允许部分服务和仅能服务失败一次的策略下设计了一个启发式算法。该算法以离散优化中广泛应用的扫描算法为基础生成服务的一个初始可行方案,然后利用模拟退火算法改进得到近似最优解。对需求为二项分布的50个结点、1个服务中心的问题进行了数值试验,数值结果表明该算法对求解路径长度受限的随机需求VRP是有效的。     

基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

有时间窗约束非满载车辆调度问题的节约算法

车辆调度问题(Vehicle Routing Problem,简称为VRP)是物流配送中广泛存在的一类问题,VRP属于强NP问题.在建立了带有时间窗的非满载的VRP问题的数学模型基础上,对启发式算法中的节约算法进行改进,设计出带时间窗的非满载的VRP问题的节约算法.通过对8个客户和13个客户算例的具体计算结果分析该算法的性能,研究表明:节约算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,但在客户规模增加,解的空间增加后,其解的精度也随之下降.     

蚁群算法求解带时间窗的配送路径问题

VRP问题影响着车辆配送过程中的效率与经济效益,在现实生活中有着重要的现实意义;文章首先建立了一个带有时间窗的VRP数学模型,并针对VRP问题本身的特点,对蚁群算法中的伪随机概率公式等相关参数进行改进,最后将改进的蚁群算法应用于VRP问题的求解中;通过在matlab上进行的仿真试验,表明了此算法能够有效地改善基本蚁群算法中的收敛速度慢、易于陷入局部最优解等缺陷,并能应用于大规模的车辆路径寻优问题中.     

随机需求VRP的一个算法

研究了随机需求VRP问题，在服务仅能路由失败一次和不允许部分服务的情况下，给出了两阶段Clarke—Wright模拟退火算法。对需求为均匀分布的VRP问题做了数值试验，给出了具体的方案。数值结果表明这个算法比简单的两阶段模拟退火算法好，而且算法简单，容易实现。这个算法在第Ⅱ阶段模拟退火算法开始时给出了一个比较合理的初始解，较好地处理了大范围交叉的问题，从而使得模拟退火算法快速收敛到近似最优解。     

基于空间聚类和蚁群算法的车辆路径问题的研究

针对蚁群算法在解决车辆路径问题（VRP）上易陷入局部最优解的缺陷,首先利用加权K-means算法对客户进行区域划分,再利用蚁群算法对每个区域进行求解,实验结果表明方法具有良好的性能。     

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。     

动态车辆路径问题的算法研究

借鉴动态问题中的时间点、时间段等概念,建立了动态车辆路径问题模型,将动态VRP转化为在若干连续的时间段内的相对确定性的静态VRP,为动态VRP的研究提供了一种新的方法.并设计了基于节约法和禁忌搜索的混合算法,从而提高了对动态车辆路径问题求解的效率.     

基于遗传算法的配送线路车辆优化调度

车辆路线问题(VRP,Vehicle Routing Problem),是组合优化领域中的著名NP难题,近20年来,VRP都是一个非常活跃的研究领域.在我国,由于物流业发展较晚,对配送路线问题的研究也比较晚,而且方法也多局限于传统的优化算法.随着我国物流业的发展,配送路线优化问题的研究有着巨大的实际价值.文章以VRP为基础,建立该问题的数学模型,利用遗传算法,通过计算机计算分析验证,遗传算法对VRP有良好的近似解和较高的收敛速度,并结合实例,说明遗传算法在配送中的运用以及效果.     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

有容量约束车辆路径问题的蒙特卡洛模拟算法

带容量约束的车辆路径问题是一个NP-hard问题,针对此问题将蒙特卡洛模拟方法与流行的节省算法结合,提出Flag-MCS-CWS算法,该方法通过对CWS算法得到的节省序列进行蒙特卡洛模拟,适用于不同节点数、不同车辆载重量的车辆路径问题.在标准数据集测试,相比当前最优解有平均0.75%的改进,为车辆路径问题提供了更加有效的解决方案.     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

Pareto局部搜索算法的改进

针对一个Pareto局部搜索（PLS）算法在解决多目标组合优化问题中所得到的解集与初始点的选取有关,提出该算法的改进。改进算法从初始解开始进行PLS搜索产生一组改进解集VF,然后对VF中的所有解再进行PLS搜索,如此重复直到满足终止条件。实例计算表明,PLSⅠ算法和算法Ⅱ能得到很好的解且解的质量优于PLS算法。     

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.     

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

混合遗传算法求解双准则线性运输问题

针对传统的遗传算法求解双准则线性运输问题时非劣解容易陷入局部区域的不足之处,提出一种改进的混合遗传算法。该算法分别从初始化染色体、非劣解的寻找和选择算子三个方面对传统遗传算法进行改进。并且在选择算子中结合使用权重系数变化和最小境技术保证可行解的收敛性,增加非劣解的多样性,使所求的非劣解具有一定代表性。最后通过计算实例结果,表明改进的混合遗传算法能获得更多的有效非劣解。     

开放的车辆路线安排问题的模型与遗传算法

本文主要针对开放的车辆路线安排问题,建立了以车流为基础的数学模型。在模型中利用罚函数法来化简约束条件,并设计了基于自然数编码的遗传算法。最后给出一个简单的算例来说明该模型及算法的应用。     

多人微分对策Pareto最优解的最优均衡值算法

引入多人微分对策的最优均衡值和最优均衡解概念。在某种凸性条件下最优均衡解集是Pareto最优解的凸本质连通区域。利用最优均衡解将问题等价地转化为求解单目标最优控制问题。该方法可推广到求解局中人拥有不同权重的情形,为求解多人合作微分对策问题提供了一种简单的、新的途径。     

利用微正则退火算法求解车辆路径问题

在建立单配送中心的车辆路径问题模型后，提出了一种基于微正则退火算法的求解方法，对一个包含20个需求节点的单配送中心实例进行了实验分析。实验数据表明，微正则退火算法能以较大概率搜索到最优路径集，与传统模拟退火算法相比，它的优势是目标函数值下降更快，能够在较短时间内搜索到满意解。     

路面不平度影响下的悬架动载计算

建立了包含阻尼的悬架系统振动微分方程,运用现代控制工程理论进行拉普拉斯变换,以解线性方程组与待定系数的方法求解传递函数解析解,通过拉普拉斯反变换求出振幅解析解.在对拉普拉斯变换及解析解进行细致的分析后发现,可以有选择地进行变换,以求出易于表达与分析的解析解.同时将路面谱看作多个正弦函数的叠加,在车辆稳态运动的情况下,运用线性系统输出叠加原理,得出了振幅的简捷有效解析解表达式,避免了一系列求解过程;用数值方法求出了主动悬架的动载荷;本方法用VB编程.本软件为悬架的动态可靠性设计与分析提供了载荷方面的准备.