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。     

混合遗传算法求解多中心联合配送路径问题

针对传统遗传算法在求解多中心车辆路径问题时存在:传统编解码方式引起的染色体长度不固定导致计算效率低下和易产生不可行解;扰动过程中双亲遗传算子计算效率较低;难以平衡不同进化时期种群中精英比例与种群多样性间、搜索深度与搜索广度间的关系等问题,本文设计一种混合遗传算法,在编解码方式上将配送网络信息分开表达,提高计算效率;在选择操作上引入平衡精英比例与种群多样性的控制参数;此外,还提出一种自适应搜索范围策略,以有效平衡搜索深度与搜索广度间的关系.通过实验例证和对比分析,验证了算法的有效性.研究成果为求解多中心联合配送车辆路径问题提供一种新思路,也可为相关的物流配送决策提供指导.     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

考虑优先级和时间窗约束的应急物资调配模型

突发公共卫生事件的不确定性和突发性特点,使得高效精准的应急物资调配方案显得尤为重要。构建突发公共卫生事件背景下生活物资配送中转站的选址模型,并考虑特殊事件的发生,改进优先级系数和时间窗的计算,以运输距离、违反车辆容量与时间窗约束的惩罚成本最小为多目标,构建物资配送路径规划模型,通过K-means聚类算法解决选址问题,设置遗传算法和大邻域搜索算法的混合遗传算法求解最优配送路径。最后以长春市朝阳区的物资配送为例进行实证分析,结果表明可以将200个小区聚类为60个物资需求站点进行配送,需要26辆车将物资从调配中心转运到需求站点,并得到4类最优的物资配送方案,为解决突发公共卫生事件下应急物资配置提供了新的思路。     

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。     

基于混合自适应遗传算法的路径规划研究

为解决供应商管理库存（VMI）模式下带时间窗的车辆路径规划（VRPTW）问题，综合考虑多种条件建立了具有多目标约束的数学模型，并创新性提出混合式自适应遗传算法，该算法在自适应遗传算法（AGA）的基础上加入了节约算法构造种群的初始解，引入了随机遍历抽样法进行选择操作，改进了算法的交叉方式，最后运用大规模邻域搜索法（LNS）对变异后的种群进行破坏和修复操作。通过MATLAB软件进行仿真实验，与传统自适应遗传算法进行对比，运输成本显著性降低了50%，据此得出该混合式自适应遗传算法在解决VRPTW问题时具有更强更科学的全局搜索和快速收敛的能力，以期更高效合理地优化供应商车辆配送路径规划。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

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。     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

一种带软时间窗的物流配送中心车辆路径问题的模型与算法

针对单配送中心带时间窗的车辆路径问题,将时间约束折算为惩罚费用,在时间、车辆体积和载重约束的条件下,建立了一种带软时间窗的物流车辆路径总费用最小数学模型。同时在遗传算法的基础上加入记忆功能和退火操作,采用带有记忆的遗传模拟退火算法求解此模型,并将优化结果进行比较。结果表明,该算法收敛速度快、搜索领域宽,能取得较高质量的最优解。