Multi-type ant system algorithm for the time dependent vehicle routing problem with time windows

The time dependent vehicle routing problem with time windows（TDVRPTW） is considered. A multi-type ant system（MTAS） algorithm hybridized with the ant colony system（ACS）and the max-min ant system（MMAS） algorithms is proposed. This combination absorbs the merits of the two algorithms in solutions construction and optimization separately. In order to improve the efficiency of the insertion procedure, a nearest neighbor selection（NNS） mechanism, an insertion local search procedure and a local optimization procedure are specified in detail. And in order to find a balance between good scouting performance and fast convergence rate, an adaptive pheromone updating strategy is proposed in the MTAS. Computational results confirm the MTAS algorithm＇s good performance with all these strategies on classic vehicle routing problem with time windows（VRPTW） benchmark instances and the TDVRPTW instances, and some better results especially for the number of vehicles and travel times of the best solutions are obtained in comparison with the previous research.

GREEDY NON-DOMINATED SORTING IN GENETIC ALGORITHM-ⅡFOR VEHICLE ROUTING PROBLEM IN DISTRIBUTION

Vehicle routing problem in distribution （VRPD） is a widely used type of vehicle routing problem （VRP）, which has been proved as NP-Hard, and it is usually modeled as single objective optimization problem when modeling. For multi-objective optimization model, most researches consider two objectives. A multi-objective mathematical model for VRP is proposed, which considers the number of vehicles used, the length of route and the time arrived at each client. Genetic algorithm is one of the most widely used algorithms to solve VRP. As a type of genetic algorithm （GA）, non-dominated sorting in genetic algorithm-Ⅱ （NSGA-Ⅱ） also suffers from premature convergence and enclosure competition. In order to avoid these kinds of shortage, a greedy NSGA-Ⅱ （GNSGA-Ⅱ） is proposed for VRP problem. Greedy algorithm is implemented in generating the initial population, cross-over and mutation. All these procedures ensure that NSGA-Ⅱ is prevented from premature convergence and refine the performance of NSGA-Ⅱ at each step. In the distribution problem of a distribution center in Michigan, US, the GNSGA-Ⅱ is compared with NSGA-Ⅱ. As a result, the GNSGA-Ⅱ is the most efficient one and can get the most optimized solution to VRP problem. Also, in GNSGA-Ⅱ, premature convergence is better avoided and search efficiency has been improved sharply.

Improved Multi-Agent System for the Vehicle Routing Problem with Time Windows

The vehicle routing problem with time windows （VRPTW） involves assigning a fleet of limited capacity vehicles to serve a set of customers without violating the capacity and time constraints. This paper presents a multi-agent model system for the VRPTW based on the internal behavior of agents and coordination among the agents. The system presents a formal view of coordination using the traditional contract-net protocol （CNP） that relies on the basic loop of agent behavior for order receiving, order announcement, bid calculation, and order scheduling followed by order execution. An improved CNP method based on a vehicle selection strategy is used to reduce the number of negotiations and the negotiation time. The model is validated using Solomon＇s benchmarks, with the results showing that the improved CNP uses only 30% as many negotiations and only 70% of the negotiation time of the traditional CNP.

双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

软时间窗下考虑冷链物流多温共配的电动汽车路径优化

为了解决冷链物流的城市配送路径优化问题,面向物流企业低成本、高效率的需求,提出了一种新的具有软时间窗的电动汽车多温共配路径优化模型.该模型基于蓄冷器与保温箱,使不同温层货物可以在普通电动汽车上同时配送,提高车辆利用率.提出一种改进的蚁群算法来求解,将两元素优化(2-optimization,2-opt)算法与蚁群算法相结合,提高算法的局部搜索能力.基于Solomon数据集进行算例分析,验证模型与算法的有效性.结果表明:相较于单温配送模式,多温共配可以减少配送成本、提升配送效率;随着时间窗宽度扩大,车辆数随之减少,配送成本呈减少趋势,当车辆数降到最少后,由于激励成本与货损成本持续下降,带动总成本缓慢下降.

多策略改进的粒子群算法在VRPTW问题中的应用

该文研究带时间窗约束的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW),这是一个典型的NP-Hard问题。针对传统粒子群算法求解带时间窗约束的车辆路径问题容易陷入局部最优的缺陷,提出了一种基于多策略方法改进的粒子群算法(Multi-Strategy improved particle Swarm Optimization Algorithm,MSPSO)来解决该问题。该算法采用惯性权重递减策略,使得算法在前期的全局搜索和后期的局部搜索都能够有良好的表现,通过引入随机选择策略更新粒子最优位置,可以增加解空间的多样性,有效避免算法陷入局部最优。最后通过测试Solomon Benchmark算例的结果,在25个客户的C103数据集上MSPSO算法对比RWPSO算法的行驶距离降低了38.29,对比S-PSO算法在C103、R103这两个数据集与最优解误差分别降低了1.76%和3.99%。在50个客户C1系列数据集上MSPSO算法对比PSO算法行驶距离分别减少了14.26、45.66、67.7,与数据集的最优解误差基本能保持在1%以内。从实验结果可以证明MSPSO算法在求解VRPTW问题方面具有优越性和有效性。

多车场异构车型绿色路径规划问题研究

为拓展多车场车辆路径类问题(MDVRP)的求解方式及途径,引入了油耗和碳排放量的近似计算方法,建立了带时间窗的多车场多车型绿色车辆路径问题模型(GMDHF-VRPTW)。将物流配送和碳排放总成本最小化作为优化目标,设计改进的禁忌搜索算法(ITS)求解该模型。为验证提出模型的有效性和可行性,采用Solomon测试数据集,分别从最优目标值、求解时间等方面与经典的禁忌算法进行对比,实验结果表明ITS方法有显著的优势。此外,为降低问题求解的复杂度,结合K-means聚类算法,将多车场转化为单车场,通过判断满足需求的最小车辆数进行建模并提出了基于Gurobi求解器的聚类过滤算法(CF),在求解同规模多车场多车型路径问题进行了探索,结果表明CF颇具优势,能够为企业实际的低碳物流运输提供决策支持和方法指导。

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。

求解有服务顺序限制的MDMOVRPTW的IHHO算法

针对有服务顺序限制的带时间窗的多需求多目标车辆路径问题(multi-demand and multi-objective vehicle routing problem with time window,MDMOVRPTW),在考虑多种需求由不同车辆按顺序服务等约束条件的同时,构建了最小化配送成本和最大化客户满意度的多目标模型。根据模型的特点设计了改进的哈里斯鹰优化(improved Harris hawks optimization,IHHO)算法,随机地将种群中部分支配解作为父代解,用临时组合算子和4种交叉算子搜索新解。最后,算例测试结果表明,相较于传统的哈里斯鹰优化算法,IHHO算法的求解性能得到了有效改善,各操作算子中交叉算子2的求解效果最好。将IHHO算法用于实例中,求解结果得到了改善,充分验证了IHHO算法的有效性。

混合多目标灰狼算法求解多目标VRPTW问题

针对带时间窗的多目标车辆路径规划问题,建立了最小化总成本和均衡度的多目标车辆路径优化模型,并提出了一种混合多目标灰狼算法进行求解。主要设计3点策略:(1)设计新的编码解码方式实现连续灰狼位置向量向离散客户序列的转化。(2)采用收敛性指标和分布性指标来进行决策个体的选择。(3)设计了多种删除、插入算子实施局部路径优化。为说明算法的有效性,以Solomon中的部分算例为例,将该算法与MOIGA和改进的ACO算法进行实验对比。实验结果表明,所提出的混合多目标灰狼算法能找到更好的Pareto解,并且性能优于其他进化算法。

战时备件配送的MDVRP问题及其遗传算法求解

战时备件配送的车辆调度是提高装备保障效率的关键因素。以装备战斗效能损失最小化为车辆调度的目标,建立了多仓库车辆路径问题MDVRP(Multi-Depot Vehicle Routing Problem)模型,并应用混合遗传算法对问题进行了求解。算法中,设计了串行、并行及半并行三种交叉算子,并应用局部搜索模块对子个体进行改进。对算例的计算实验表明,半并行交叉算子在精度方面优于另外两种交叉算子。

考虑冷链-常温货品混合配送的路径优化问题

针对冷链-常温货物混合配送问题,建立了以总配送成本最小为目标的车辆路径优化模型,模型综合考虑了区域客户拥挤度,多车型,多服务时间窗的现实情况.提出了带有两种邻居解评价机制的禁忌搜索算法对问题进行求解,机制1综合解的各个指标为其设置了一个目标值向量,机制2则在目标值向量上增加了一个惩罚目标值.实验结果表明,禁忌搜索+机制2的优化效果最好,冷链混合配送模式能有效降低配送总成本.提出的模型和算法对于电商企业构建更低成本更高质量的新型冷链混合配送网络有一定指导作用.

MDVRPTW问题多阶段迭代启发式算法

提出一个求解多车库VRPTW问题的聚类和迭代混合遗传算法。该算法采用三阶段过程:客户聚类分配、路径规划和路径改进,与以往两阶段算法不同,该算法采用混合遗传算法进行路径规划,采用竞争-插入进行路径改进,且路径规划与路径改进有机结合形成迭代路径规划过程。用Cordeau等人提出的算例实验表明该算法能够在可以接受的计算时间内得到可接受的好解。

改进量子遗传算法求解MDVRPPD问题

带集货和送货的多站点VRP问题作为VRP问题的一个分支,有着重大的研究价值.本文采用量子遗传算法求解MDVRPPD问题,并提出一种新的旋转门策略使得量子遗传算法的进化速度大大加快.实验证明,本文提出的改进算法和优化策略对比过去使用的启发式求解以及传统的量子遗传算法有较大优势,在时间控制上以及最优解的求解上都取得了满意的效果.

基于动态缩减机制的多策略单亲遗传算法求解CVRP问题

针对传统遗传算法求解带容量约束的车辆路径问题(CVRP)时存在易早熟、收敛速度慢、精度低等问题,提出一种基于动态缩减机制的多策略单亲遗传算法。基于同类个体实现对寻优空间的划分,采用模拟退火准则对最低类别子空间进行淘汰或更新,构成寻优空间的缩减和移动机制;基于单亲遗传算法,综合设计了组内、组间、整体搜索,以及扰动与跳跃的多种遗传进化策略;为适应度函数设计了基于个体发展、种群进化、整体收敛3个罚因子的自适应罚函数分量,对不可行解作出更有效惩罚。通过对3组CVRP问题实例进行仿真实验分析,结果表明:该算法在种群质量、全局与局部寻优能力、求解精度和收敛速度等方面均得到改善和提升。

面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

多车场带时间窗车辆路径问题的改良自适应大邻域搜索算法

针对多车场带时间窗车辆路径问题(MDVRPTW),提出一种改良自适应大邻域搜索算法(IALNS)。首先,在构造初始解阶段改进一种路径分割算法;其次,在优化阶段利用设计的移除和修复启发式算子相互竞争择优选取算子,为各算子引入评分机制,采用轮盘赌方式选取启发式算子;同时,将迭代周期分段,动态调整各周期内的算子权重信息,有效避免算法陷入局部最优;最后,采取模拟退火机制作为解的接受准则。在Cordeau规范算例上进行实验,确定IALNS的相关参数,将所提算法求解结果与该领域其他代表性研究成果对比。实验结果表明,所提算法与变邻域搜索(VNS)算法的求解误差不超过0.8%,在某些算例上甚至更优;与多相位改进的蛙跳算法相比,算法的平均耗时减少12.8%,所提算法在绝大多数算例上运行时间更短。因此,验证了所提算法是求解MDVRPTW的有效算法。

考虑碳排放的危险品运输异构车辆路径问题研究

为满足危险品运输异构车辆路径问题(HVRP)的低碳需求,对易爆危险品运输过程中的总风险、总成本和总碳排放量进行最优化处理。首先,在模型构造阶段,改进总成本与总风险的度量方式,包括建立爆炸事故场景下考虑危险品装载量的风险量化模型,并设计一种用于惩罚成本计算的软时间窗函数,该函数可以优先减少装载量较大的车辆在客户处的等待时间;然后,在算法改良阶段从2方面改进非支配排序遗传算法(NSGA-Ⅱ),设计一种带有改良交叉算子的混合交叉方法来提升全局搜索效率,并通过包含2个阶段的变邻域搜索(VNS)算法来提高局部搜索能力;最后,通过算例验证模型和算法的有效性。研究结果表明:相较于原始NSGA-Ⅱ,改进的算法收敛曲线下降更快,使总成本、总风险和总碳排放量3个优化目标的平均值进一步减少3.36%、12.16%和6.96%;在车辆数目有限的车队中,承运人可以通过选择不同的车辆类型对各目标产生不同程度的影响。

改进最近邻算法求解多车场车辆路径问题

论文提出了一种改进最近邻算法用于求解多车场车辆路径问题(multi-depot vehicle routing problem,MDVRP)。为了求解问题解空间得到有效控制,融合最近邻算法与K-means算法的优势对客户进行较为合理的车场分配,将多车场车辆路径问题分解成多个单车场车辆路径子问题。在子问题的求解阶段,提出一种编解码规则,基于车辆装载量利用率得到提高,减少车场车辆路径长度,设计了全局优化策略,基于车辆内部客户访问顺序及车辆间客户改变导致路径长度变化,设计了局部优化策略,提出了随车辆服务客户数变化而变化的搜索策略,提高了算法的运行效率。在不同规模的问题和仿真实验上验证了所提算法的有效性。