探索因子蚁群算法及其在VRP中的应用

蚁群算法是一种新兴的模拟进化算法,由于其具有鲁棒性、正反馈、并行分布式计算等特点,迅速得到广泛的应用和发展。本文首先介绍了一种引入探索因子的改进型蚁群算法的原理和实现方法,进而运用该算法求解VRP问题,取得了优于原蚁群算法和遗传算法的实验效果。     

基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

基于GIS的物流配送车辆调度实现与应用

本文指出物流配送车辆路径(VRP)两类模型的局限,分析在电子商务下物流配送车辆路径充分利用GIS的优势,以克服VRP数学模型求解结果的抽象性,让车辆路径优化调度简单易用,有助于物流配送企业降低物流运输成本。     

有缺货限制的VRP蚂蚁算法研究

在经典VRP的基础上，结合实际背景提出一种缺货情况下的车辆路径问题，并给出基于蚂蚁系统寻优思想的求解方法。经大量数据测试，获得了较好的结果。     

A GA approach to vehicle routing problem with time windows considering loading constraints

As a new variant of vehicle routing problem (VRP),a finished vehicle routing problem with time windows in finished vehicle logistics (FVRPTW) is modeled and solved.An optimization model for FVRPTW is presented with the objective of scheduling multiple transport routes considering loading constraints along with time penalty function to minimize the total cost.Then a genetic algorithm (GA) is developed.The specific encoding and genetic operators for FVRPTW are devised.Especially,in order to accelerate its convergence,an improved termination condition is given.Finally,a case study is used to evaluate the effectiveness of the proposed algorithm and a series of experiments are conducted over a set of finished vehicle routing problems.The results demonstrate that the proposed approach has superior performance and satisfies users in practice.Contributions of the study are the modeling and solving of a complex FVRPTW in logistics industry.     

VFP＆VRP联合优化模型及其多目标遗传算法

单车型非满载问题是十分典型和重要的物流配送问题之一．单车型非满载问题通常包括物品装车（VFP）和车辆路径安排（VRP）2个紧密相关的子问题．研究同时考虑VFP和VRP讲两个因素的联合优化问题，建立了多目标优化模型，设计了模型的多目标遗传算法，并结合实例验证模型和算法的有效性．     

车辆路径问题(VRP)的蚂蚁搜索算法

车辆路径问题(vehicle routing problem，VRP)是组合优化中一个典型的NP难题，理论上，目前仅能保证一些相对小规模的问题可求得最优解．基于近些年出现的新型智能优化思想：人工蚂蚁系统，给出了一种可快速求解VRP的蚂蚁搜索算法．通过定义基本的人工蚂蚁状态转移概率，并结合局部搜索策略，用迭代次数控制算法的运行时间，从而使该方法具有实用意义和可操作性．经一系列数据测试和验证，并与若干已有的经典算法相比较．获得了较好的结果．     

不确定需求条件下的物流配送车辆调度问题的研究

针对物流配送车辆调度的问题研究的多样性，文章研究了不确定需求条件下的物流配送车辆调度问题。通过引入决策者主观偏好概念，建立的模糊车辆路径的模糊期望值模型、模糊相关机会规划模型，并提出了求解模糊机会约束规划模型的一种基于模糊模拟的遗传算法；通过随机试验方法研究了决策者主观偏好值对最终决策目标的影响，并得出决策者主观偏好值的选取对最终决策结果有很大影响的结论。     

基于 VRP 的变化性研究

在ＶＲＰ理论的基础上,分析了制造系统变化性与柔性、变化性与成本的关系,得出了相应的结论;另外对现有ＶＲＰ的变化性评估指数体系进行了分析,论述了评估指数的作用．     

时变路网下VRP准时路径的选择

基于节约里程法求解多回路运输问题(VRP), 得到了在时变路网下要求准时性高的路径选择问题. 考虑时变路网中顺畅和拥堵概率, 路径最短不一定用时最少, 通过实例对距离、 时间、 费用等因素进行分析、 拟合, 对比了不同因素下路径选择和时限内的准时稳定性等情况. 结果表明, 优化后的配送路径可以保证配送的稳定性.