基于VRPTW-AT模型的钢包优化调度方法

在炼钢-连铸生产过程中,钢包的优化调度对减少钢铁生产的热能消耗,提高生产效率具有重要作用.将钢包调度问题归结为任务带有时间窗、车辆带有调整时间的车辆路径问题(vehicle routing problem with time windowsand adjustment time,VRPTW-AT).根据钢包服务钢水过程的约束建立了钢包调度问题的数学模型,针对模型特点提出了分散搜索(scatter search,SS)算法.基于国内某钢铁企业生产实绩做测试案例,对SS算法的优化效果与钢厂生产的实际数据进行了对比分析,实验结果表明了模型和算法的有效性.

基于密度峰值聚类的VRPTW问题研究

提出一种密度峰值聚类(density peak clustering,DPC)与遗传算法(genetic algorithm,GA)相结合的新型混合算法(density peak clustering with genetic algorithm,DGA),求解带时间窗的车辆路径问题。首先应用DPC对客户进行聚类以缩减问题规模,再将聚类后的客户用GA进行线路优化。结果表明:DGA在9个数据集上的平均值比模拟退火(simulated annealing,SA)和禁忌搜索(Tabu)分别提高了13.41%和4.7%,单个数据集最大提高了26.4%。这证明了该算法是求解车辆调度问题的高效算法。

基于量子蚁群算法的VRPTW研究

深入研究带时间窗的配送车辆路径问题,建立贴合实际情况的VRPTW模型,并且针对建立的模型,将量子计算的理念与方法融入蚁群算法,改进后的算法更加科学地初始化蚂蚁的位置,使蚂蚁有更大可能性地寻找到最优路径。在搜索的过程中添加量子比特启发式因子,使用局部信息素更新和全局信息素更新相结合的信息素更新方式,全局信息素更新添加了量子旋转门的新模式。并使用2-opt搜索对结果进行进一步的探索,扩大搜索的范围,增加了得到最优解的概率。使新建立的量子蚁群算法能够实现对模型更加高效的求解。

基于Milk-Run的生鲜农产品取货物流优化方法研究

生鲜农产品不易储存、易腐性要求科学制定物流模式与路径,以最大程度保障产品鲜活度。针对取货车辆到达生鲜农产品供应商的不准时与物流费用高的问题,提出基于Milk-Run的生鲜农产品物流优化方法。依据生鲜农产品物流的构成,引入Milk-Run循环取货模式并给出最优取货期量确定方法。同时,为最大限度对企业成本、驾驶安全、客户需求和产品质量进行平衡与保障,综合考虑装载率、出车数量、疲劳驾驶、客户时间等因素构建多目标VRPTW模型,结合评价函数法与线性加权法对目标进行转换,设计了一种遗传算法求解模型,并引入栅格法测量各节点间实际配送距离。最后,结合实际物流问题,检验Milk-Run循环取货模式的可行性与优越性,通过仿真实验证明了文章提出的方法可以为企业的物流决策提供参考。

基于混合遗传算法的城市固体废弃物运输路径优化研究

针对城市固体废弃物运输成本不确定的特点,文章在车辆路径问题的基础上对带时间窗的城市固体废弃物运输问题进行研究。考虑到遗传算法存在局部搜索能力不足的缺陷,在遗传算法的基础上结合变邻域搜索算法的思想提出了混合遗传算法。(1)采用三种邻域搜索算子用于改进遗传算法的变异算子;(2)采用模拟退火算法中的Metropolis判别法则来更新邻域搜索最优解;(3)采用自适应交叉变异概率和最优个体保留策略提高算法的运算效率。采用Solomen算例中的7个标准例题对算法性能进行测试,实验结果表明,混合遗传算法能够求得质量更高的解。最后通过算例来验证该模型的可行性,在满足时间窗和载重约束下缩短行驶距离。

基于离散哈里斯鹰优化算法求解带时间窗车辆路径问题

为求解带时间窗车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出一种离散哈里斯鹰优化算法。该算法采用随机反转和交换操作对全局开发阶段进行重定义,扩大算法的全局搜索空间;引入贪心策略和移除算子对局部搜索阶段进行重定义,加强各个哈里斯鹰间信息的交互,提高算法的局部探索能力。对比实验结果表明,离散哈里斯鹰优化算法在求解VRPTW上有较强的寻优能力,求解质量优于其他启发式算法。

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法(Elitist Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。

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。

基于遗传算法求解带时间窗的车辆路由问题

提出一种改进的遗传算法 ,用于求解带时间窗的车辆路由问题 .在算法中采用了直观的自然数编码机制、三复本锦标赛的选择方法和改进的启发式交叉算子 ,实验表明该方法用于求解带时间窗的车辆路由问题的有效性 .

需求带时间窗的环保多车型组合配送路径优化

以降低成本、提高客户满意度、减少环境污染为目标,提出环保多车型组合配送的低碳路径优化问题。建立带软时间窗约束的多车型车辆路径优化模型,研究多车型车辆调度中载重量、需求的时间窗和多车型等多种约束的处理方法,并且设计模拟退火算法,进行仿真试验。通过对参数进行敏感性分析,研究不同环保性能车辆的影响,结果表明,车辆最大行驶速度与运行成本和客户满意度有着较强的相关性,而载重量则对运营成本和环境污染程度均有较大影响,同时试验结果表明模拟退火算法在该问题求解上的有效性。

时变条件下带时间窗车辆调度问题的模拟退火算法

带时间窗车辆调度问题(VRPTW)是一类要求满足容积和时间窗约束的车辆路径优化问题,现有大部分相关文献只考虑了车辆行驶速度恒定的情况,忽略了各种动态因素的影响.本文研究的时变条件下带时间窗车辆调度问题将车辆行驶速度考虑成时变分段函数,并利用模拟退火算法进行求解,最后通过实验结果说明算法的有效性.

基于Memetic算法的带时间窗车辆路径问题研究

提出一种模拟文化进化的Memetic算法求解带时间窗的车辆路径问题。设计了一种实数编码方案,将离散的问题转为连续优化问题。采用邻域搜索帮助具备一定学习能力的个体提高寻优速度;采用禁忌搜索帮助部分个体跳出局部最优点,增强全局寻优性能。实验结果表明,该算法可以更有效地求出优化解,是带时间窗车辆路径问题的一种有效求解算法。

基于多目标遗传算法求解时间窗车辆路径问题

有别于传统的单目标方法,将带时间窗约束的车辆路径问题描述成为一个多目标最优化问题,并为之提出了一种多目标遗传算法。在算法中设计了擂台法则作为构造非支配集的方法,提出了可变爬山率的局部爬山法,并通过将组合种群分成多层非支配集来实现精英保留策略。实验结果表明,该算法能有效地求解车辆路径问题并且为决策者提供了强有力的决策支持。

基于GIS的配送车辆路线规划的研究

研究了具有时间窗限制的车辆路线问题,考虑配送点之间的实际运送成本,结合GIS网络分析技术,建立起一种配送车辆路线规划方法.这种方法能考虑实际路网情形,将路线规划结果呈现在地理信息系统的路网图上,以准确的道路路线图示方式表示规划的结果.最后,以实例说明本方法的有效性.

带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题。通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能。通过计算若干benchmark问题,验证了模型的有效性。

求解带时间窗车辆路径问题的混沌遗传算法

针对遗传算法随机性大、末成熟收敛等缺点,提出了将混沌搜索技术和遗传算法相耦合的混沌遗传算法来求解带时间窗的物流配送车辆路径问题(VRPTW)。该算法将混沌变量映射到优化变量的取值范围中,把得到的混沌变量进行编码生成初始种群,然后在遗传操作进行之后对优秀个体增加混沌扰动,促进种群的进化收敛速度,得到最优解。实例计算结果与其他算法比较表明,该算法在求解VRPTW问题时,搜索效率高,能以较快的速度收敛于全局最优解,为求解VRPTW问题提供了一种新方法。

基于带时间窗口车辆路径问题的蚁群算法

带时间窗口的车辆路径问题(VRPTW)是一个NP-Complete优化问题。VRPTW的主要目标在于利用最少的车辆数以及最短的行程来服务客户,客户有固定的需求和被服务的时间限制。基于该问题提出了一种并行多蚁群算法(PMACS-VRPTW):首先利用QUICK-ACS生成初始解,然后利用ACS-VEI和ACS-TIME分别优化车辆数和行程距离。试验表明,所提出的算法基于Solomon的VRPTW基准实例获得了很好的结果。

蜂群算法在带时间窗的车辆路径问题中的应用

根据带时间窗车辆路径问题的实际情况,通过考察车辆数和总行程两个目标函数,给出了该问题的一种新的算法——蜂群算法。通过计算若干benchmark问题,并将结果与其他算法相比较分析,验证了算法的有效性。目前关于蜂群算法的文献较少,故不仅是拓宽蜂群算法应用范围的有效尝试,同时也给带时间窗车辆路径问题提供了一种新的解决方法。

带时间窗车辆路径问题的混合改进型蚂蚁算法

带时间窗车辆路径问题(VRPTW)是VRP的一种重要扩展类型,在蚂蚁算法思想基础上,设计用于求解该问题的混合改进型算法并求解Solomon标准数据库中的大量实例。经过大量数据测试并与其他启发式算法所得结果进行比较,获得了较好的效果。

带时间窗车辆路径问题的文化基因算法

针对物流配送中带时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW),建立了数学模型,并设计了求解VRPTW的文化基因算法。种群搜索采用遗传算法的进化模式,局部搜索采用禁忌搜索机制,并结合可行邻域结构避免对不可行解的搜索,以提高搜索效率。与单纯的遗传算法和禁忌搜索算法进行对比实验,表明该算法是求解VRPTW的一种有效方法。