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.     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

遗传算法求解物流配送中带时间窗的VRP问题

用遗传算法求解第三方物流企业物流配送中带时间窗的车辆路径问题. 建立了一个配送优化调度模型, 使配送计划的编制在任何情况下都能归约为求解某种车辆路径问题.     

有时间窗装卸问题的一类改进遗传算法求解

根据有时间窗装卸问题(PDPTW)的数学模型,对遗传算法进行改进,将分组编码思想用遗传算法,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.     

带时间窗的蓄冷式多温共配冷链配送问题研究

【目的】随着社会货物多样性需求的增大,多温共配不断发展,而蓄冷式MTJD又是冷链物流行业中一个新型的概念。【方法】针对蓄冷式MTJD模式下的多温度需求货物的配送调度问题,考虑时间窗约束,建立了以总配送成本最小为目标的混合整数规划模型,其中总配送成本主要包括蓄冷箱成本、车辆运输成本和惩罚成本等。针对该模型,设计了适合求解蓄冷式MTJD模型的染色体编码方式以及遗传算子,对算例进行求解。并通过利用Cplex对算例重新编写代码、求解,验证了遗传算法的有效性。【结果】蓄冷式MTJD的各个区间的温度可以根据需求自由地设置,保温性能也明显优于机械式冷冻车厢区隔式MTJD。【结论】蓄冷式MTJD在配送成本上相较于传统冷链配送模式以及机械式冷冻车厢区隔式MTJD具有明显优势,是一种值得推广的冷链物流配送模式。     

禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

求解带时间窗动态车辆路径问题的改进蚁群算法

车辆路径问题作为组合优化中的一类典型问题,其模型、算法及应用被人们广泛关注和研究.在建立双目标带时间窗的动态车辆路径问题数学模型的基础上,设计了一种求解该问题的改进蚁群算法.该算法首先对所有顾客进行区域划分;其次通过在传统蚁群算法中引入交通拥堵因子,提高了计算效率;再将挥发因子取为服从(0,1)上均匀分布的随机变量,使算法能更稳定地收敛到全局最优解.最后的数值实例验证了所建数学模型和改进蚁群算法的有效性和优越性.     

带软时间窗的冷链电动汽车路径问题研究

提出带软时间窗的冷链电动汽车路径问题（CEVRPTW）并建立了线性规划模型.在该模型中,电动汽车在配送途中须解决续驶里程不足的问题.设计了自适应大邻域搜索算法（ALNS）求解该问题,并构建不同节点规模的算例集以验证算法的性能.试验结果表明,ALNS能够有效求解各种规模的CEVRPTW问题,并且ALNS和CPLEX均能得到小规模算例的最优解;客户节点相关移除算子和充电站节点比较插入算子的性能最好,它们的贡献率及权重均随迭代不断增加,且增幅较大;客户地理位置的分布和时间窗的宽度对配送总成本影响较大.     

装配式建筑配送中带时间窗VRP问题研究

近年来,带时间窗的车辆路径问题(vehicle routing problem with time window,VRPTW)得到了广泛关注和研究.装配式建筑是近年来发展的一种新型建筑类型,预制构件配送过程中会带来诸多复杂工程问题.本文以装配式建筑配送为研究背景,分析了当前VRPTW相关文献的研究现状,建立基于VRPTW的扩展模型,并采用智能优化算法进行求解.以经典的SOLOMN算例作为扩展,随机生成18个不同结构的算例进行测试,实验结果验证了本文所提出算法的有效性.     

带硬时间窗的冷链电动车辆路径问题研究

【目的】针对电动汽车应用于冷链物流配送的情形，充分考虑电动汽车能耗特点和社会充电桩的充电需求，研究了带硬时间窗的冷链电动车辆路径问题。【方法】首先构建以配送总成本最少为优化目标的规划模型；然后基于蚁群算法，设计了充电站优化算法和局部优化策略，形成混合蚁群算法求解问题；最后，改编形成硬时间窗冷链电动车辆路径问题的算例集，通过实验比较验证了蚁群算法和混合算法的性能。【结果】搜索解的改进率达到11-82%。【结论】带局部优化策略的混合蚁群算法能较大程度改进求解能力，算法性能总体得到大幅提升，且结果更稳定。     

带时间窗的蓄冷式多温共配冷链配送问题研究

【目的】随着社会货物多样性需求的增大,多温共配不断发展,而蓄冷式 MTJD 又是冷链物流行业中一个新型的概念。【方法】针对蓄冷式 MTJD 模式下的多温度需求货物的配送调度问题,考虑时间窗约束,建立了以总配送成本最小为目标的混合整数规划模型,其中总配送成本主要包括蓄冷箱成本、车辆运输成本和惩罚成本等。针对该模型,设计了适合求解蓄冷式 MTJD 模型的染色体编码方式以及遗传算子,对算例进行求解。并通过利用 Cplex 对算例重新编写代码、求解,验证了遗传算法的有效性。【结果】蓄冷式 MTJD 的各个区间的温度可以根据需求自由地设置,保温性能也明显优于机械式冷冻车厢区隔式 MTJD 。【结论】蓄冷式 MTJD 在配送成本上相较于传统冷链配送模式以及机械式冷冻车厢区隔式 MTJD 具有明显优势,是一种值得推广的冷链物流配送模式。
     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

改进遗传算法求解VRPSTW问题

为求解物流配送过程中基于单配送中心的软时间窗车辆调度问题（VRPSTW）,本文在传统遗传算法的基础上,引入了并行计算与阶段性进化的思想,提出了求解VRPSTW问题的改进遗传算法.验证实验表明,本文提出的改进遗传算法在求解模型时快速地得到了最优解,收敛速度明显优于传统的遗传算法.     

改进遗传算法求解VRP问题

用遗传算法(GA)求解车辆路径问题,但总体上他们所得解的质量都不高,这是由GA本身局部搜索能力不强所致,针对GA这一缺陷,该文对标准遗传算法改进,用于求解VRP问题,并通过实验计算证明了该算法具有良好的寻优性能.     

基于遗传算法的带时间窗邮政车辆路径问题研究

针对带时间窗约束的邮政车辆路径问题,建立了带时间窗约束的最小车辆运输费用模型,考虑了车辆装载容量、时间窗、往返货物归集等约束条件,针对四川邮政11个市局的实际邮路安排问题,利用遗传算法对模型进行了求解计算和优化对比分析。优化结果表明,在目前邮路安排的基础上可以节约派车数、降低总费用、缩短实际邮运里程。     

基于改进粒子群优化算法求解带时间窗的车辆路径问题研究

针对粒子群优化算法易出现早熟收敛、陷入局部最优的问题,提出了在粒子群搜索解的过程中监控粒子健康度的方法,对健康度低的粒子进行交叉操作。该方法既保证了健康粒子继续搜索最优解,又有效地改变了非健康粒子的状态,提高了粒子群的寻优能力以及跳出局部最优解的能力。最后通过实验数据集验证了新算法,实验结果表明与标准粒子群算法相比新算...     

同时考虑配送与安装需求的带时间窗车辆路径问题

电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。     

求解配送\收集旅行商问题的遗传算法

配送 \收集旅行商问题 (TSPD)是物流学中的一个重要问题 ,但与一般的旅行商问题 (TSP)相比 ,人们对该问题的研究有限 ,而且大多假定必须在完成所有的配送需求后才服务收集需求。本文放松这一约束条件 ,结合最邻近启发式和k -opt局域搜索策略 ,设计了一种求解TSPD的遗传算法 ,计算结果表明 ,该算法性能优良 ,计算效率较高。     

求解带有时间窗的车辆路径问题的改进算法

提出在用改进节约法对VRPTW问题求出初始解的基础上,通过引入惩罚因子PE和PL,运用2-opt^＊和Or-opt相结合的方法对初始解进行优化,并以21个节点的配送网络实例进行验证．计算结果表明,采用该方法计算的目标函数值不仅比传统的改进节约法更优,而且计算效率较高,速度较快．同时,该方法可根据客户对于时间窗要求严格程度的不同,通过调整时间惩罚因子PE和PL,得到不同的配送路径方案．