单车场关联物流运输调度问题的混沌遗传算法

提出了关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)概念,建立了单车场单车型的IVRP模型,并用混沌遗传算法求解关联物流运输调度问题.混沌遗传算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究表明,该方法能有效地解决关联物流运输调度问题.

关联物流运输调度问题的改进遗传算法

针对多车场多车型软时间窗的带道路约束的关联物流运输调度问题,对传统的遗传算法进行改进,提出了一种融合了"尺度收缩"变异策略的混沌遗传算法。采用自适应调整交叉算子的策略,使杂交概率随进化过程渐变。最终提高了算法性能,有效地解决了此类问题。

混合禁忌搜索算法求解关联运输调度问题

考虑到实际生活中车辆受发车时间限制以及道路路况影响运输成本等因素,建立了带客户软时间窗、车场硬时间窗、多车型、道路路况等约束的关联运输调度问题模型。结合禁忌搜索与遗传算法的优势,构造了混合禁忌搜索算法,以通过构造多个初始解来增大搜索空间;设计了两种禁忌表,分别为局部禁忌表和全局禁忌表,这不仅能加快寻优速度,还可以摆脱对单个解的依赖;将禁忌搜索生成的优化解作为遗传算法的初始解,可以加快寻优速度;自适应调整禁忌表长度可以避免早熟收敛;提取核心路径便于进行后期优化,relocate算子能减少路径网络回路数目。对实例进行的仿真表明,提出的IVRP优于一般的VRP,可节约大量成本,且提出的算法在收敛速度和寻优结果两方面都优于遗传算法和禁忌搜索算法。由3种算法求解得到的总成本、总里程及收敛时间的标准差体现出该算法的稳定性比另外两种算法的好。

关联运输调度问题带遗传算子的自适应蚁群算法

考虑实际生活中商品供应商具有严格的营业时间限制、客户的个性化送货时间预设以及道路路况影响运输成本等因素,建立带多种约束的关联运输调度问题模型。通过聚类算法和节约算法构造初始解,提高求解速度;自适应地改变启发式因子和期望启发式因子,提高算法收敛速度;引入遗传操作算子,自适应改变交叉概率和变异概率,提高算法的全局搜索能力;提取核心路径便于进行后期优化;通过3-opt与车场交换,提高算法的局部搜索能力。基于以上方法构造带遗传算子的自适应蚁群算法,对40客户规模的实例进行仿真,结果表明提出的IVRP优于VRP,该算法在收敛速度和寻优结果两方面略优于自适应遗传算法和自适应蚁群算法,且其稳定性良好。

带道路容量动态约束的关联运输调度问题

介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,用聚类分析及改进的算法对多车场的关联运输调度问题进行求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解关联运输调度问题是可行的,且优于传统的遗传算法。

带选址的关联运输调度问题研究

对零售点的选址问题和关联货物配送问题建模,分别应用改进的混沌遗传算法和免疫克隆选择算法求解该模型,前者采用混沌初始化方法产生初始种群,使种群具有较好的多样性,并采用混沌搜索策略以提高算法的收敛速度和全局搜索能力。最后比较两种算法的求解结果,结果证实了改进的混沌遗传算法求解该模型的有效性与优越性。

基于类电磁机制算法的关联运输调度问题

介绍了基本的类电磁机制算法的原理并对其进行改进,并用改进的算法来对单车场单车型的关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)求解,然后与遗传算法求解此模型的结果相比较.实例证明该算法求解关联运输调度问题是可行的,且优于传统的遗传算法.

改进类电磁机制算法的时变关联运输调度问题

介绍了基本的类电磁机制算法的原理并对其进行改进,由于时变影响运输调度的效率,建立了一种时变关联物流运输调度问题(Time Varying Incident Vehicle Routing Problem,TVIVRP)的数学模型,并用改进的算法来对单车场单车型的关联物流运输调度问题求解,然后与遗传算法(Genetic Algorithm,GA)和蚁群算法(Ant Colony Algorithm,ACA)求解此模型的结果相比较。实例证明该算法求解关联运输调度问题是可行的,并优于传统的遗传算法和蚁群算法,而且具有实现简单、优化效率高、鲁棒性强等特点。

关联运输调度问题的蚁群算法

提出了改进的蚁群算法来对关联物流运输调度问题(Related Vehicle Routing Problem)求解。为了克服蚁群算法易陷入局部最优的缺陷,自适应地改变算法的挥发因子,在保证收敛速度的前提下提高解的全局性,最终提高了算法性能。实例证明该改进算法有效地解决了关联物流运输调度问题。

关联运输调度问题的混合混沌量子算法研究

考虑实际生活中商品供应商具有严格的营业时间限制、客户的个性化送货时间预设等因素,建立带客户硬时间窗、车场硬时间窗、多车场多车型等约束的关联运输调度问题模型。针对量子进化算法计算时间长、收敛速度慢以及容易出现早熟等问题,采用混沌初始化方法产生初始种群,使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体,减少算法的计算时间;提出混合混沌搜索策略提高算法的收敛速度和全局搜索能力,构造了混合混沌量子进化算法。对50客户规模的算例进行仿真表明提出的IVRP优于一般的VRP,可节约大量成本,证明其模型的有效性,且该算法在收敛速度和寻优结果两方面略优于自适应遗传算法和量子算法。

开放式关联运输调度问题的研究

针对带软时间窗的开放式关联运输调度问题(Open Incident Vehicle Routing Problem with Soft Time Windows,OIVRPSTW),联系实际应用中连锁店超市中货物供应的车辆路径问题,介绍了粒子群算法的基本原理,采用一种非线性动态自适应调节惯性权重因子的方法,使得惯性系数会随着粒子目标值的变化而自动改变,结合混沌搜索产生初始种群的方法,设计了一种混沌粒子群优化算法。同时也设计了引入了模拟退火机制的混沌遗传算法,自适应地调整交叉概率和变异概率。并用这两种算法来对OIVRPSTW求解,然后与基本的遗传算法求解此模型的结果相比较。实例证明用混沌搜索产生初始种群的方法在求解此类开放式关联运输调度问题是可行的,能取得令人满意的效果。

基于自适应遗传算法的关联运输调度问题

利用引入了混沌扰动的一种改进的自适应遗传算法来解决一类关联运输调度问题IVRP(IncidentVehicleRoutingProblem)模型。虽然M.Srinivas提出的自适应遗传算法既保护了最优个体又加快了较差个体的淘汰程度,但不容易跳出局部最优解,相邻进化代数间的参数缺乏连续性,所以,提出了一种新的自适应遗传算法,为避免近亲繁殖提出了改进策略,同时考虑到变异概率的大小可能导致破坏种群模式或减弱抑制早熟的能力,设计了相关的自适应变异概率。研究表明,该改进的算法在解决关联物流运输调度问题具有有效性和适用性。

带取送货的关联运输调度问题的优化

针对取送货车辆路径问题,构建了带时间窗的IVRPPD的车辆路径数学模型,设计了混沌免疫克隆选择算法,介绍了基本的免疫克隆选择算法和混沌理论,并对设计步骤进行了详细介绍。最后,通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性。与基本遗传算法和非代际遗传算法相比较,混沌免疫克隆选择算法能更有效地解决带取送货的关联运输调度问题。

危险品关联运输调度问题的优化设计

针对带硬时间窗的关联运输调度问题(Incident Vehicle Routing Problem with Hard Time Windows,IVRPHTW),联系实际应用中危险品的车辆路径问题,介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,并用改进的算法来对IVRPHTW求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解危险品的关联运输调度问题是可行的,且优于传统的遗传算法。

关联运输调度问题的模糊机会约束规划模型

提出了针对多车场多车型的关联运输调度问题(Multiple-depot and Heterogeneous-vehicle Incident Vehicle Routing Problem)的模糊机会约束规划模型,将问题模型中各个客户的需求量及各供货点库存看成是模糊参数,讨论了如何处理模糊目标函数,并讨论了改进的遗传算法和免疫克隆选择算法,比较其优劣。实验证明,对于求解该模型,免疫克隆选择算法能够快速收敛于全局最优解,优于改进的遗传算法,能有效地解决关联运输调度问题。

易腐产品运输调度问题的优化

针对易腐产品在运输过程中容易变质,具有时效性和货物关联性的特点,构建一种带软时间窗的关联运输调度问题的数学模型来考虑易腐产品的配送,并采用免疫克隆选择算法求解这个复杂问题.通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.与遗传算法相比较,免疫克隆选择算法能更有效地解决关联运输调度问题.

类电磁机制算法的应用研究

针对多车场多车型的关联运输调度问题(Multi-depot and Multi-vehicle-type Related Vehicle Routing Problem),对传统的类电磁机制算法进行改进,局部搜索可以提高算法在局部区域精细搜索的能力,并引入了移动系数来提高算法的收敛速度。实验结果证明,改进的算法有效地解决了此类问题且优于传统类电磁机制算法。