快递服务中的取件路线研究

对快递企业来说,只有在规定时间内取走客户需要快递的物品才能保证物品的快速运送,而取件作业的效率和取件路线的选择息息相关,因此为运务员设计一条恰当的取件路线至关重要。本文分析了在划分运务员责任区的情况下,责任区内顾客需求呈随机分布情形下的取件路线规划问题,建立了相应的数学模型:MinxP{T(x)>D},s.t.1)∑nj=1xij=1(i=1,2,…,n);2)∑ni=1xij=1(j=1,2,…,n);3)∑i∈S∑j∈Sxij ≤|S|-1, S {1,2,…,n};4)xij ∈{0,1}(i,j=1,2,…,n),并提出一种自适应遗传算法对该问题进行求解。最后,本文针对重庆某快递企业的一个运务员责任区进行了线路规划。结果表明,算法避免了早熟收敛,具有较强的全局寻优能力,所规划的线路提高了运务员的取件效率,使得运务员在绝大多数情况下都能在规定时间内返回服务中心。
     

最佳巡视路线

讨论并求解了一道求最佳巡视路线的实际问题.归结为图论中的多旅行商问题,通过较为合理的"人造顶点"分区方式将其转化为多个单旅行商问题,通过几种近似的方法求解单旅行商问题,得到了在限定组数或时间的条件下的分组及巡视路线的较优方案.     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

遗传基因算法在工艺路线决策中的应用

基因遗传算法是一种应用于科学研究中的全局搜索与寻优过程听方法,文中将具有工艺约束的基因遗传算法应用到工艺路线排序过程,来实现了工序间及工序内各工步合理顺序的确定。     

基于模糊自适应PID控制的交通运输路线规划系统

运用传统系统规划的交通运输路线在交通拥挤或存在外界干扰的情况下适应性差,因此设计一种基于模糊自适应PID控制的交通运输路线规划系统。将模糊控制单元引入传统PID系统中,为提高控制单元的自适应能力,将自适应PID系统中的各种参数进行模糊处理,通过复杂的模糊推理和数据交互使得到的控制变量清晰化,最后结合VB语言对交通路线轨迹进行优化控制,使交通运输路线更加清晰可控。通过大量的仿真实验证明,所提出的系统在外界有干扰的情况下,能够保证车辆不偏离路线,极大地缩小偏差量,说明所提系统的适应性更强,能有效对车辆偏差量进行控制,更具可靠性。     

求解空走优化路径的自适应邻域遗传算法

建立激光加工中空走路径优化的数学模型,并转化为旅行商问题(TSP)来求解.对最近邻法进行改进形成自适应邻域法.在自适应邻域法中,从某个城市出发,下一城市不一定是其最近城市,而是在比其最近城市稍远的邻域范围进行动态随机选取.在求解TSP的遗传算法中,采用自适应邻域法对种群初始化,然后采用选择、交叉、变异进行迭代,在选择中仅保留父代90%的样本,剩下的采用自适应邻域法产生新样本进行补充.运行结果表明,该算法缩短了激光加工空行程,提高了加工效率.     

基于遗传算法的西安邮政配送路线优化研究

构建了单源点、单车型、有时间窗约束的非满载车辆调度问题的模型,设计了基于自然数编码的遗传算法用于求解该模型。采用最大保留交叉算子,最大程度地保留了父代的优良特性并增强了算法的寻优能力。通过最后对西安邮政配送系统的行车路线问题进行计算机仿真,得出3个不同配送中心所负责的需求点范围内的行车路线安排,证明了本算法的优越性。     

基于遗传算法的鲜活农产品收购路线优化研究

鲜活农产品由于保质期短,需要在最短的时间内完成收购并运送到市场销售,因而收购路线的优化是一个重要问题.针对这一问题,分析了农产品收购路线优化与普通物流路线优化的区别,提出了路线优化的数学模型,再应用改进遗传算法对收购路线进行优化,得到最优农产品收购路线,经实例证明,此改进的遗传算法是有效的.     

基于六模糊控制器的自适应遗传算法

为了提高遗传算法对满意解的搜索和优化能力，采用基于模糊逻辑的自适应控制策略，提出了一种符号编码的自适应遗传算法。该算法可自动均衡搜索和优化关系，采用6个模糊控制器实现对选择、交叉、变异操作的动态参数组合控制。试验和理论分析表明，六模糊控制器的组合控制方式可以综合两模糊控制器或三模糊控制器独立控制的性能。对旅行商(TSP：Traveling Salesman Problem)问题的求解结果表明：该算法在解决类似于TSP的组合优化问题时，具有比标准遗传算法更好的性能。     

用改进匈牙利法求解一类简单的车辆路线规划问题

车辆路线规划问题的一个特例旅行商问题是一个经典的组合优化问题。在求解这个问题上,用得最多的算法是蚁群算法和遗传算法,蚁群算法的一个主要优点是正反馈和负反馈结合的自组织系统,遗传算法的一个主要优点是优秀基因的继承;但他们也有些不足。本文讨论的单参数智能算法就是在综合继承二者优点的基础上对他们的不足进行改进。通过几个经典算例验证了单参数智能算法只需要设定循环次数就可以得到比较满意的结果。     

蚁群算法求解TSP时参数设置的研究

蚁群算法作为一种新的模拟进化算法,由于具有较强的发现解的能力,在许多领域得到应用。但蚁群算法中的参数设定基本是靠经验和实验来设定的。针对TSP,通过实验对参数以及参数的设置做了研究,对参数设置提出了新的算法,并进行了实验验证。     

一种改进的自适应蚁群算法及其应用研究

蚁群算法作为一种新型的模拟进化算法,具有分布计算和信息正反馈等优点,但蚁群算法与其他进化算法一样存在收敛速度慢,易陷于局部最优等缺陷。针对这一问题,提出一种改进的蚁群算法,结合遗传算法和图论中的最邻近算法,并自适应地初始化信息素和限定信息素的大小范围。将该算法应用于旅行商问题(traveling salesman problem,TSP)求解,与基本蚁群算法比较,数值实验结果表明,这种改进算法能有效抑制算法陷入局部最优的缺陷,从而提高了解的全局搜索能力和解的质量。     

一种改进的自适应蚁群算法及其应用研究

蚁群算法作为一种新型的模拟进化算法,具有分布计算和信息正反馈等优点,但蚁群算法与其他进化算法一样存在收敛速度慢,易陷于局部最优等缺陷。针对这一问题,提出一种改进的蚁群算法,结合遗传算法和图论中的最邻近算法,并自适应地初始化信息素和限定信息素的大小范围。将该算法应用于旅行商问题（traveling salesman problem,TSP）求解,与基本蚁群算法比较,数值实验结果表明,这种改进算法能有效抑制算法陷入局部最优的缺陷,从而提高了解的全局搜索能力和解的质量。     

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·     

基于改进遗传算法的新鲜农产品配送路线优化研究

在分析了农产品配送路线优化与普通物流路线优化的基础上,提出了新鲜农产品配送路线优化的数学模型,再应用改进的遗传算法对车辆运行路线进行优化,得到最优配送路线,经实例验证,改进的遗传算法是有效的.     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

孔群钻削的运动规划和加工路径优化研究

本文对三轴直角坐标机械手的运动规划和加工路径优化方法进行研究。此设备用于钢琴弦轴板群孔钻削加工。首先,采用抛物线过渡的线性插值算法,对钻削过程进行运动规划,生成一条位置和速度都连续的平滑运动轨迹。然后,基于遗传算法,以最短加工路径为目标,以无碰撞地绕过所有的障碍物为约束条件,获得孔群钻削的优化加工路径。并以六种型号弦轴板进行计算验证,计算结果验证了算法的有效性。     

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。     

关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

一种基于模拟退火的遗传算法在受约束旅行商问题中的应用

旅行商路径问题已被证明是高维非线性完全问题,现实情况中还会增加非流通图约束.鉴于现有遗传算法在求解过程中容易出现早熟及冗余迭代的缺陷,设计了一种基于模拟退火的优化算法.该算法以旅行商途径地点次序作为编码,初始化过程中混合了贪心方法以实现局部优化,避免出现大量非可行染色体,增大了后续的进化效率.并且依据约束满足条件推导出特定的适值函数,选择了当前较为高效的交叉变异操作,在执行过程中融入了基于模拟退火算法的子体接纳判据.最后引用国内若干城市的信息用于算法检验,结果显示新算法显著优于现有算法.