非满载车辆调度问题的遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意。本文采用最大保留交叉、交叉率和变异率自适应变换等技术,设计了基于自然数编码的遗传算法,用于求解非满载车辆调度问题,在实验分析中获得了较好的结果。     

车辆调度问题的分派启发式算法

对有时间窗的车辆调度问题进行了分析,提出了以分派为基础的启发式算法．算法中讨论了如何完成任务所需要的车辆数,定义了两种分派费用,设计了在分派过程中安排线路的方法,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．     

基于汇集预测的随机客户需求配送车辆调度问题

针对物流配送过程中客户需求随机出现的车辆调度问题，结合客户随机需求信息和经验数据，运用汇集预测方法，生成合理的虚拟客户出现的概率及其位置和需求量；在分析客户不满意度函数的基础上，综合考虑配送车辆调度方案的经济性和客户满意度两方面因素，提出了加权广义配送总费用最小化目标；依照车辆先真实后虚拟客户配送的原则，建立了配送车辆调度模型，设计了与局部搜索相结合的改进遗传算法。Solomon标准测试算例验证了模型与算法的有效性与适用性，结果表明，相比于现有的其他方法，本文方法制定的配送车辆调度方案不仅能有效降低物流企业的总配送成本，而且能快速响应客户需求，提高客户满意度和服务水平。     

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。     

动态规划启发式算法求解时变车辆调度问题

时变网络中车辆在任意两节点间的行驶时间不仅与节点间的距离有关, 还与所处的时段有关. 对时变车辆调度问题提出一种满足先入先出准则的跨时段处理方法, 直接推导出跨时段对应的车辆行驶时间. 在此基础上建立了数学模型, 并构造动态规划启发式算法进行求解. 该算法能够通过设置参数H平衡求解质量和运行时间. 通过对10组随机产生的数据进行测试, 结果表明动态规划启发式算法能够在很短时间内改进最近邻算法. 当H=2时, 求解质量改进11%, 平均运算时间为1.34秒; 当H=3时, 在不到2秒的运算时间内求解质量改进17%.     

基于混合遗传算法的物流配送车辆调度优化问题求解方法

物流配遥车辆调度优化问题是一个NP-hard问题,随着问题规模的扩大,若单纯地应用精确算法将很难获得最优解.首先对物流配送车辆调度问题进行了深入分析并建立了优化数学模型;然后,根据模型把问题的解决合理地划分为两个阶段,将遗传算法的全局搜索能力和C-W节约启发式算法的局部搜索能力有机结合,由此构造出一种混合遗传算法;最后,通过一个应用实例的分析验证了此算法寻优的有效性.     

基于分解协调原理的大规模动态车辆调度

提出一种解决大规模动态车辆调度问题新算法，首先，采用动态乘类方法，将整个系统分解为几个子系统。其次，针对传统大系统分解协调算法，解决大规模动态车辆调度，收敛性能比较差的问题，设计了有效的协调参数，并在主系统和子系统中，又分别设计了不同的由适应遗传算法，仿真试验表明，该算法不仅提高了最优解的质量，而且还具有搜索空间小、求解速度快的特点，能够有效地解决大规模动态车辆调度问题。     

基于免疫遗传算法的双向车辆调度问题实现

在对双向车辆路径问题(DVSP)简要叙述的基础上建立了DVSP数学模型.针对DVRP,构造一种的免疫遗传算法来求解DVSP,提出了一种自然数编码方法、交叉算子的自适应机制.并将求解结果与其它启发式算法比较.比较结果表明,该算法对于求解DVSP问题具有较好的性能和更好的鲁棒性.     

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.     

一体化集货和配送车辆路径问题的混合遗传启发式算法

为满足电子商务客户多样化和个性化的需求,建立多约束条件的一体化集货和配送车辆调度模型.针对模型特点,采用混合遗传启发式算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优;其次,对混合遗传算法求得的精英种群进行禁忌搜索求解.通过实例计算表明,该算法好于单独使用遗传算法或是禁忌搜索算法.     

装卸一体化车辆路径问题的遗传算法研究

针对装卸混合的车辆路径问题这一类典型的NP难题,采用四位数的遗传编码,并对解的可行性进行验证,降低对交叉算子和变异算子的要求,有效提高解的质量.最后对二十个客户点的装卸混合的问题作了数值试验,结果表明遗传算法作为一种有效的随机型全局搜索算法,体现出群体智能的分布型、鲁棒性和快速性的特点.     

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     

车辆路径问题的改进遗传算法

通过引入新颖交叉算子 ,构造了一种改进遗传算法 ,此算法摆脱了对群体多样性的要求 ,不存在传统遗传算法常见的“早熟收敛”问题 .将该算法用于解决车辆路径问题 ,实验结果表明 ,此算法可以有效求得车辆路径问题的优化解 ,是求解车辆路径问题的一个较好方案 .     

带转运中心的车辆组合运输问题的模型与算法

主要研究两类带有转运中心的车辆组合运输问题.一类是多期单产品的物流问题,一类是单期多产品的物流问题.建立了研究的两类物流系统的数学模型与算法,并通过算例对模型和算法进行了验证.主要应用动态规划方法、结合两阶段法与分支定界法的混合算法,使程序运行效率和解的满意性都得到很大提高.     

车辆路径问题的遗传算法研究

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达,并对染色体进了可行化影射,建立了此问题的遗传算法．实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案     

车辆路径规划问题及其求解方法研究进展

对车辆路径规划问题（Vehicle Routing Problem，VRP）领域的研究进行综述，根据目前的研究状况对该问题进行分类；分析该问题的图模型和数学模型两大类模型各自的优缺点；分四大类讨论求解该问题的算法：精确算法（exact algorithm），构造启发式算法（constructive heuristic algorithm），改进启发式算法（improving heuristic algorithm），和亚启发式算法（meta-heuristic algorithm）。评迷各类算法适用的问题求解阶段以及各自的优缺点；探讨国内在VRP领域的研究成果。在此基础上，对求解该问题的方法进一步的研究方向做了展望。     

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.     

求解同时取货和送货车辆路径问题的改进遗传算法

同时取货和送货车辆路径问题(VRP_SPD)是经典车辆路径问题(VRP)的一个扩展,在VRP_SPD中,顾客可能要求同时取货和送货服务。本文针对这类问题,提出一种以集成方式处理取货和送货操作的改进遗传算法,通过采用一种改进的边重组交叉算子,保证了算法在遗传进化中保留父代路径上边之间邻接关系的映射信息,从而改进了算法性能;并通过在遗传进化控制参数中应用自适应策略,提高了算法的稳健性。仿真分析表明,本文算法比现有算法能取得更好的优化结果,且具有很好的稳定性。