具有时间窗的局内开放式车辆调度的竞争分析

基于k-卡车问题和局内运输问题，提出了具有时间窗的局内开放式车辆调度问题．该问题的优化目标为：在服务需求的发布为局内方式的条件下，如何最小化完成整个服务需求序列的时间跨度．建立了该问题的数学模型并对有关的概念和参数进行了定义和说明．研究了当车辆数为1时该问题的竞争分析的有关结果：给出并证明了对于该问题的竞争策略的竞争比下限；针对该局内问题，设计了两种不同的竞争策略，得到了相应的竞争比，并进行了理论证明．     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

可选时间窗车辆调度问题的改进禁忌搜索算法

考虑了带可选时间窗约束的车辆调度问题(简称VRPATW),对现有的单时间窗约束的车辆调度模型进行了拓展,建立了VRPATW的数学模型,并进一步构造改进的禁忌搜索算法用于问题求解,算法首先用改进的PFIH算法提供较好的初始解,然后利用禁忌搜索对初始解进行改进,最后通过实验结果,说明该算法能够有效的解决100个用户的VRPATW问题.     

有时间窗的车辆调度问题的网络启发式算法

本文对有时间窗的车辆调度问题进行了分析,提出了以网络优化为基础的启发式算法,算法中引入重载点,把求解有时间窗的调度问题转化为求解多个有确定开始时间的车辆调度问题,利用最小费用最大流算法求解有确定开始时间的车辆调度问题,再根据检验数来调整开始时间值,并用实例进行了验证。最后对算法的适用性及进一步应用进行了讨论。     

有时间窗约束非满载车辆调度问题的遗传算法

利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题。针对非满载的VRP问题具有组问无序、组内有序的特性，采用一种有效的改进交叉算子，最大程度的保留了父代的优良特性并增强了算法的寻优能力，避免了早熟现象的发生，应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真，得出了最优解，证明了本算法的优越性。     

有时间窗约束车辆调度优化的一种禁忌算法

针对有时间窗的V SP问题提出了一种禁忌算法,本算法运用了多初始解和全局禁忌表等各种措施来减小解的不稳定性和扩大搜索范围,并根据容量约束和时间窗约束性质的不同,结合惩罚函数和各约束的性质来联合控制车场的分配。给出了两组具有代表性的试验数据,并与其他算法优化时间窗V SP的实验结果作了比较。结果表明,此禁忌算法是解决有时间窗约束的一条有效途径。     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题,以总行驶距离、车辆使用数最小化,以及平均客户满意度最大化为目标,构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性,改进了交叉算子,在引入局部优化算法及擂台法则的基础上,设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验,表明算法能够有效地求解带时间窗的车辆路径问题,以及模型的合理性,同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路,也可为实际配送路径规划提供指导。     

行驶时间延迟下配送车辆调度的干扰管理模型与算法

针对行驶时间延迟下配送车辆调度的干扰管理问题,给出了车辆调度人员实际操作中的一系列"救援模式",并将其提炼为计算机可以理解并处理的形式化知识;按照车辆调度人员的"救援路线列举→救援路线选择"两阶段的思维方式,以顾客时间窗偏离程度最小化和配送成本最小化为目标,建立了问题的数学模型及其求解算法. 通过初步的实验,确定了算法的参数配置;在Solomon提出的标准算例上对算法的鲁棒性、求解结果的质量、以及求解性能等几项指标进行了测试及与文献算法的比较;最后对算法进行了实时化的处理. 实验结果表明,本文算法不仅达到了多目标优化的效果, 而且可以满足实时应用的要求.     

模糊加工时间调度问题的研究

提出模糊加工时间调度问题,隶属函数建立在工件的模糊加工时间上,隶属度表示工件在一段加工时间下属于完工集合的程度,在假设工件的隶属函数是单调递增的情况下,的多个工件所迭加的联合隶属函数所对应的性质,根据迪些性质研究了一种单机模糊加工时间的调度模型。     

基于实时交通信息的车辆路径与调度动态仿真

城市的发展导致道路交通运输问题变得越来越突出。针对这类问题,建立了一种基于实时交通信息的动态车辆路径与调度问题模型,并构建了一个动态交通仿真模型模拟真实的车辆行驶状况。通过两阶段仿真,获取车辆在道路中行驶的实际行驶时间。最后构造了一个交通网络,通过仿真试验验证提出的模型的有效性。     

不确定车辆数的有时间窗车辆路径问题的遗传算法

给出了不确定车辆数的有时间窗车辆路径问题(VRPTW)的数学模型,提出一种基于客户的编码表示方式,可以表示出不同的车辆数,实现VRPTW的路径长度和车辆数的同时优化,并用计算实例进行了验证,同时对计算中涉及的一些问题进行了讨论.     

多集散点VRP客户需求扰动的恢复模型

针对客户既有需求(配送)又有供应(集货)的车辆路径问题(MDVRPPD)的客户需求变动而导致物流配送计划无法实现的问题,运用干扰管理的思想,从物流服务商满意度和客户满意度两个方面衡量物流配送系统的扰动程度。以最小化客户不满意度、配送成本和路径偏离程度为目标,构建干扰恢复模型。设计了求解该模型的克隆免疫算法。最后,通过仿真研究,将干扰管理优化结果与原方案重新调度结果进行对比,验证了干扰恢复模型和算法的可行性和有效性。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

基于能耗的带时间窗车辆路径问题建模与仿真

基于节能环保的新视角,研究了以总油耗最小为目标的萨时间窗车辆路径问题,建立了基于油耗的数学规划模型,提出了随机变邻域禁忌搜索算法.该算法选用自适应并行算法构造初始解,采用了随机变邻域搜索和重起策略.最后,对具有不同目标的带时间窗车辆路径问题进行了数值仿真,并对客户规模、等待期油耗率和时间窗的变化进行了性能分析.仿真结果表明,基于总油耗的路线安排比传统的以总运行距离或总运行时间最小为目标的路线安排具有更好的节油潜力,也更能减少对环境的污染.     

遗传算法在有时间窗车辆路径问题上的应用

本文用遗传算法求解有时间窗车辆路径问题,获得其近优解或最优解．传统的交叉算子如ＰＭＸ,ＥＲ和ＣＸ等对多约束问题的适用性受到限制,本文使用一种直观的编码方法,并提出基于优先关系的交叉算子．实验表明这种遗传算法能够有效地解决复杂的优化问题     

免疫算法在带时间窗的车辆路径问题中的应用

根据带时间窗的车辆路径问题的实际情况,提出了一种基于分组匹配的亲和力的计算方法.实验结果表明,免疫算法能有效地解决带时间窗的车辆路径问题.计算结果优于节约算法、分派算法、遗传算法.     

基于业务外包的集装箱港口车辆调度问题

针对集装箱港口自身运输车队能力的限制,提出了一类基于业务外包的车辆调度模型并对其求解方法进行研究。在详细分析集装箱港口各种业务订单特性的基础上,依据作业订单信息对集装箱港口作业任务进行分类;抽象出了描述此类基于业务外包的车辆调度问题的数学模型并提出一种业务外包定价策略,设计了一种禁忌邻域搜索求解算法;通过对实际调查数据进行处理验证了该模型和算法的有效性,通过与其他算法处理结果进行对比验证了所设计的邻域搜索算法的优越性;最后通过对实验结果数据进行统计分析,得出了一些对集装箱港口作业有实际指导意义的业务外包规则。     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

带时间窗车辆路径问题的粒子群算法

将粒子群算法(PSO)应用于带时间窗车辆路径优化问题(VRPTW),构造车辆路径问题的粒子表达方法,建立了此问题的粒子群算法,并与遗传算法作了比较.实验结果表明,粒子群算法可以快速、有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

物流配送车辆路径优化的模糊规划模型与算法

将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图，并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型，首先将模型进行清晰化处理，使之转化为一类确定性多设施车辆路径模型，然后设计了嵌入FLOYD算法的捕食搜索算法对之进行求解。通过仿真实例计算，并与遗传算法比较，取得了满意的结果。