求解VRP问题的一种基于交叉算子的改进型遗传算法

采用基于自然数编码染色体、改进型交叉算子并增加内外扰动策略,构造出一种改进型遗传算法。详细介绍了此算法的基本原理,并进行了代表性算例实验与结果分析。实验表明,该算法收敛速度快,有效地遏制了早熟收敛,防止了进化过程中最优解的退化,改善了遗传算法的性能,提高了算法优化效率,是求解车辆路径问题的一种有效算法。

定位-运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位-运输路线安排问题(LRP)的解决方法.LRP问题包括设施定位和运输路线优化两方面决策,属于NP-hard难题.由于问题的复杂性,提出基于假设前提的LRP模型及其两阶段启发式求解算法.该方法分两步实现:首先,采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群;其次,运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线.提出利用两阶段启发式算法求解LRP问题,此方法实现容易、运算简单,一定程度上避免了遗传算法中的"局部最优现象".仿真实验证明了该算法求解单目标LRP的有效性和准确性.

带货物权重的车辆路径问题及遗传算法

考虑一个分销中心、多个零售商组成的分销网络系统中具有柔性车辆能力的带货物权重的车辆路径问题.并根据车辆的满载情况采用了不同的运输策略,即单点运输和多点运输方式.在多点运输方式下,与以往诸多研究不同的是,文章建立了一种基于货物权重的VRP模型——WVRP,即在安排车辆线路时每个零售商的货物需求量也作为一个因素考虑,尽可能使车辆优先供货需求量较大的零售商.最后,针对问题的性质,开发了一种基于划分的遗传算法PB-GA对问题进行求解,并与一般遗传算法及常用的启发式算法进行了分析比较.

集成化物流中的定位配给问题的启发式算法

以Baumol Wolfe提出的传统的0 1混合整数规划模型为基础,建立一类更接近物流配送实际的定位 配给模型·在已确定每个配送中心的服务范围内,根据客户群的总需求量接近或等于单车容量的整数倍为原则,提出将不同客户需求量引入最小包络法进行混合法选址的启发式算法·最小包络法即以一个配送中心为基点,分别与其他配送中心用直线连接,作这些直线的垂直平分线,以每个配送中心的内点的垂直平分线的最小包络,作为此配送中心的服务范围·该方法既考虑到不同客户之间的相对距离,又考虑到不同客户需求量,此模型有助于解决实际的定位 配给问题·计算机仿真实例证明了此方法的有效性·

基于eM-Plant的车辆路径问题仿真模型

针对动态车辆路径问题难以求解这一问题,提出了用仿真的方法求解随机约束条件下车辆路径问题的新思路。建立了需求量及行驶速度随机变动情况下的有时间窗的车辆路径问题的数学模型;运用面向对象的离散事件系统仿真建模方法,对系统的类与属性进行分析,提出了面向对象的车辆路径问题仿真模型的总体结构;基于物流系统仿真平台eM-P lan t设计了随机约束条件下车辆路径问题的仿真模型,并实现了对该问题的求解。实验结果表明该仿真模型是有效性的。

满意度约束多车型冷链物流VRP优化研究

文章通过分析冷链配送成本构成,基于时间和品质满意度约束分别构建单车型和多车型VRP模型,设计局部精英单亲遗传算法,并对比分析单车型和多车型配送成本差异。结果显示:多车型混合配送模式较单车型更能有效降低成本,且改进的局部精英单亲遗传算法具有更好的收敛性与稳定性;同时揭示了满意度随成本优化过程的变化趋势,表明满意度约束多车型VRP模型更适合冷链配送调度,为企业寻求成本与满意度均衡提供决策支持。

共享单车再平衡问题及其容差插入启发式算法

共享单车再平衡问题是一类NP-难问题,已有启发式求解算法随着问题规模扩大求解速度显著变慢。本文先讨论了该问题的线路可行变换性质,推导证明了插入构造可行解时,被插入位置允许插入客户点的容量区间。在此基础上,提出容差概念,设计了容差插入启发式算法,对该算法应用标准算例测试表明,算法速度快,参数设置简单;算法找到11个测试算例的当前最好解,其中1个为新的当前最好解;算法求解大容量问题的质量优于中、小容量问题。

物流配送系统中车辆路径问题的实现

针对物流配送系统中大规模车辆路径问题(VRP)很难在有限时间内得到最优解的问题,在分析了目前现有启发式算法的基础上,提出了采用遗传算法的解决方案,以及在交叉算子和变异算子中引出一个调整方法,使调整后的线路费用被进一步减少。该方法在一定程度上改进了遗传算法收敛速度慢的问题,并用VC++进行实现。最后两个实验结果表明,调整的遗传算法无论在运算时间还是运算结果上都是令人满意的,它可以有效地解决大规模的VRP问题。

求解带时间窗的装-卸载问题的概率式禁忌搜索算法

本文介绍一个求解有时间窗的装载—卸载问题的概率式禁忌搜索算法。论文首先回顾了求解VRP、PDP问题的主要方法,介绍了搜索算法的基本概念,给出了基于概率式禁忌搜索的详细算法。初步实验表明新算法优于传统禁忌搜索算法。

基于离散差分进化算法的随机车辆路径问题

针对差分进化算法求解组合优化问题存在的局限性,引入计算机语言中的2种按位运算符,对差分进化算法的变异算子进行重新设计,用来求解不确定需求和旅行时间下同时取货和送货的随机车辆路径问题(SVRPSPD)。通过对车辆路径问题的benchmark问题和SVRPSPD问题进行路径优化,并同差分进化算法和遗传算法的计算结果进行比较,验证了离散差分进化算法的性能。结果表明,离散差分进化算法在解决复杂的SVRPSPD问题时,具有较好的优化性能,不仅能得到更好的优化结果,而且具有更快的收敛速度。

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.

考虑均衡负载的车辆路径问题及算法设计

针对目前物流配送系统中存在的车辆负载不均衡导致的物流配送质量和配送系统柔性下降这一现象,提出了考虑均衡车辆负载的多目标路径优化模型,以配送车辆总行驶距离尽可能短和车辆之间载运量尽可能平衡为优化目标。针对模型设计遗传算法,通过在变异操作后加入进化逆转操作,加强局部寻优,找到全局最优解。以1个配送中心和14个客户的配送网路为例,利用Matlab软件建模分析,设置并调节不平衡处罚参数,得到总行驶距离和不平衡度之间的变化关系图和若干备选决策。最后构建评价体系对各个决策进行评分,得出当总行驶距离为40.819 5,不平衡度为1时,评分最高,为本算例最优解,表明该模型在实际应用中能够为管理者提供决策依据。

电商退换货车辆路径问题及蚁群算法研究

为了整合电子商务环境下物流企业的正、逆向物流,依据实际情况建立了带软时间窗和退换货的车辆路径规划模型,并且设计了一种混合变邻域改进蚁群算法来求解此类问题。在基本蚁群算法的基础上,在初始信息素的设置、状态转移规则以及信息素的更新策略上,根据所研究问题的特点做了相应的改进。同时,结合混合变邻域算法提高了算法的搜索能力。通过对相关文献数据、标准算例以及实际企业数据实验,验证了所提出算法具有较好的性能,是求解所提出问题的一种有效算法。

混合优化算法求解同时送取货车辆路径问题

为了给各物流企业在车辆配送路径规划方面提供合理有效的决策支持,针对单配送中心的配送模式,研究带时间窗约束的同时送取货车辆路径问题(VRPSDPTW),建立以总配送成本最小化为目标的数学模型。根据模型的特征,提出基于模拟退火(SA)与自适应大规模邻域搜索(ALNS)相结合的混合优化算法(SA-ALNS)。采用基于时间与距离加权的插入启发式算法构造问题的初始解;引入多种删除、插入算子,以自适应选择策略进行路径优化,并通过反馈机制,逐渐调整各操作算子被选择的概率,使算法更倾向于选择寻优效果较好的算子;使用模拟退火机制的Metropolis准则控制解的更新。仿真实验中测试了56个大规模算例,对比了p-SA算法、DCS算法和VNS-BSTS等其他智能优化算法并进行统计分析,结果证明该算法在求解带时间窗约束的同时送取货车辆路径问题的可行性和优越性,研究成果极大丰富了车辆路径问题(VRP)的相关研究。

基于送收的物流配送车辆路径优化问题研究

文章在提出区域物流送收概念的基础上,建立了考虑回程收货的单物流配送中心多网点的车辆路径问题(VRP)的数学模型,运用遗传算法求解模型,并通过实例进行验证。该模型能够为企业在物流配送中的车辆路径选择问题提供决策上的支持。

集成物流管理系统中定位-运输路线安排问题评述

在分析定位-配给问题(LAP)和运输路线安排问题(VRP)概念的基础上,对定位-运输路线安排问题(LRP)的含义进行了界定,并详细地介绍了近几十年来国内外关于LRP问题的研究现状,最后提出了将来LRP问题的研究重点。

基于病毒协同进化遗传算法的物流配送路径优化问题研究

在分析车辆路径问题(VRP)现有启发式算法的基础上,建立了考虑路线安排的物流配送方案模型,并提出了求解该问题的一种病毒协同进化遗传算法(VEGA)。方法针对遗传算法的局部搜索能力的不足,在选择、交叉等遗传操作之后,引入病毒种群对主群体进行感染操作,根据适应度是否增加,对新产生的种群进行多次感染操作。计算结果表明,该算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了"早熟收敛"问题。

VRP的数学模型及算法分析

随着我国物流业的飞速发展,车辆运输路线规划对于降低物流成本显得越来越重要。对车辆路线问题(VRP)进行了数学建模,总结了国内外的研究状况,并指出了今后的研究方向。

用遗传算法求解带回程取货的车辆路径问题

带回程取货的车辆路径问题可以同时服务路径上的取货送货节点,通过对该问题的研究,利用改进的遗传算法对其求解,并通过实例证明其有效性.

Memetic算法在带时间窗的车辆路径问题中的应用

Memetic算法是一种将遗传算法和局部搜索结合使用的超启发式算法。本文将该算法应用于带时间窗的车辆路径问题。算法中采用了动态矩阵的染色体编码方式。通过数值仿真表明了该算法和编码方式求解这类问题的有效性。