基于拥堵指数的改进蜂群算法在DVRP中的应用

城市道路在不同时段、突发情况下的通畅程度存在较大的差异,对物流成本的影响已不容忽视.静态车辆路径规划不能反应路况的变化,因此本文引入分时段的拥堵指数,以总成本最小为目标函数,并采用规避高峰期区域的种群初始化算法,构造出改进的蜂群算法.实验结果表明,采用改进蜂群算法进行路径规划,由于能回避拥堵路段,因此虽然不是最短的运输路径,但却能实现更低的总体运输成本.

基于车-桥随机振动模型的简支梁桥墩顶垂向动反力特征研究

为研究高速铁路简支梁桥墩顶垂向动反力的随机性特征,基于虚拟激励法和有限元方法,建立了列车-轨道-桥梁耦合系统竖向随机振动模型。采用多体动力学理论建立具有二系悬挂的质量-弹簧-阻尼系统列车模型;采用有限元方法建立轨道-桥梁有限元模型;基于等效Hertz线性轮轨接触关系建立列车-轨道-桥梁耦合系统动力学方程。通过虚拟激励法将轨道高低不平顺转化为一系列简谐不平顺的叠加,将非平稳随机振动问题转化为确定性时间历程问题,推导了列车-轨道-桥梁耦合时变系统随机振动计算模型。基于该计算模型,以五跨32 m预应力混凝土简支箱梁桥为研究对象,研究了轨道不平顺和车速对墩顶垂向动反力随机特征的影响。结果表明:墩顶垂向动反力受列车轴重引起的确定性激励控制,轨道不平顺随机激励对其影响显著;不同轨道不平顺随机激励下墩顶动反力均方根(σ)不同,基于3σ法得到的限值(μ±3σ)相差较大;随着车速的增大,墩顶动反力均方根(σ)逐渐增大。

带时间窗口动态车辆路径规划模型及其求解算法

基于事件触发,把带时间窗口动态车辆路径规划问题(DVRPTW)分解成一系列延迟快照,在快照基础上建立相应的动态数学模型,并提出双缓冲区改进大邻域搜索算法进行求解。利用算法的特点,实现新请求无缝插入。采用Solomon设计的56个100节点范例和Lackner相应的动态测试数据,经不同类型动态实例的实验表明,所建立的模型和给出的算法是有效的。

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem,DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem,FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.

改进变邻域搜索算法求解动态车辆路径问题

针对动态车辆路径问题DVRP(Dynamic Vehicle Routing Problem)的优化问题,提出一种改进算法。该算法在分析路径寻优问题的局部特性的基础上,利用变邻域搜索算法VNS(Variable Neighbourhood Search)对路径空间进行"局部探索",结合变异机制对路径空间进行"全局开采",最后根据近邻优先原则将动态路径片段安插到适宜的路径中。实验结果验证了算法的有效性。

一类非确定性车辆路径问题模型及其算法设计

提出一类路网结构未定、需求随机的非确定性车辆路径问题(N-DVRP),通过分析路网结构变动和需求随机双重不确定性对车辆路径选择的影响,建立N-DVRP的优化模型,并设计求解该问题的动态加速自适应遗传算法。仿真实验结果验证了该问题模型及其求解算法的合理性和有效性。

带时间窗动态车辆路径问题的优化调度策略

针对带时间窗动态车辆路径问题(DVRPTW),根据优化时间点的选取建立DVRPTW的一系列静态子模型,研究优化调度策略,分别是基于新顾客插入后的重复优化方法、批处理的方法或两者的混合。通过定义紧急顾客,提出一种新的紧急顾客插入和分批驱动调度策略,该策略只需实时插入紧急顾客,具有快速响应、计算负荷小和路径计划更新频率低的优点。仿真对比实验比较了4种策略的优劣,并探讨分批优化间隔长度对调度性能的影响。

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.

整合逆向物流协同配送动态路径优化问题研究

整合逆向物流的协同配送面临着客户需求随机并发、行驶路径开环多变等不确定性挑战,这给配送路径动态规划和方案柔性制定带来了更严苛的要求.为此,使用“时间片”划分方式,将动态配送问题转化为一系列静态优化问题,提出了整合逆向物流的协同配送动态路径优化两阶段求解策略.首先,通过考虑车栽量以及时间窗等软硬约束条件,构建以总物流成本最小和客户满意度最大的多配送中心协同配送初始-实时动态路後规划模型.其次,设计带有非支配排序与精英策略的多目标免疫遗传算法M0IGA对模型进行求解.最后,研究结果表明客户满意度与物流运营成本之间呈现悖反关系,高配送成本会带来高客户满意度,在相同成本支出情况下,M0IGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、M0IA,这也验证了模型的有效性以及方法优越性.

求解动态车辆路径问题的演化蚁群算法

在Evo-Ant算法的基础上提出了多目标的算法,即利用Evo-Ant算法来产生新的解,并利用一个额外的存储空间来存放Pareto候选解,用新产生的解来更新Pareto候选解,消除被支配的解,依次循环,从而得到近似的Pareto解.为了验证演化蚁群算法,采用2种测试手段:一种是Solomon的测试数据;另一种是在仿真环境下的测试.实验结果表明该算法很具有竞争能力.

求解动态需求车辆调度问题的自适应量子遗传算法

针对物流配送过程中存在的动态车辆调度问题,即带载车量约束的实时优化车辆路径问题,提出一种自适应量子遗传算法,用于最小化配送成本。根据搜索点目标函数的变化率,提出一种自适应量子旋转门更新方式,并通过子种群适应度值的变化确定量子旋转角的方向和大小,进而引导种群进化方向,提高算法的全局搜索广泛性;设计了一种变异操作,用于保持自适应量子遗传算法的种群多样性,进而提高算法全局搜索的宽泛性;引入基于两元素搜索原则的局部搜索方法来增强算法的局部优化能力。仿真实验和算法比较验证了所提算法的有效性和优越性。

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。

基于实时信息的城市配送车辆动态路径优化

针对城市物流配送的现状,研究了信息在配送过程中实时变化的动态车辆调度问题。分析了需求量在配送途中发生变化、需求点增减、道路交通中断、车辆在行驶过程中出现故障四种动态事件情形下的配送线路实时优化问题。通过引入虚拟顾客,将动态车辆路径问题转化为经典的静态单车型车辆路径问题,提出了动态车辆路径问题的模型构建方法。分构建初始线路和对线路进行实时优化两阶段完成对配送线路的规划,并运用混合遗传算法对其寻优。实验结果表明,本文模型和算法可以有效降低企业配送成本。