基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

模糊生产环境下作业车间调度优化方法研究

研究不确定环境下的车间调度问题,通过引入模糊理论以提高调度模型对动态变化的、存在不确定性的现实环境的适应能力,采用三角模糊数来代表不精确的加工时间,在此基础上结合模糊集合论中有号距离(signed distance)和优化指标概念提出两种模糊作业车间调度(Job Shop Schedu ling,JSP)模型,针对这两类模型,采用遗传算法进行排序寻优。计算结果表明了两种模型的可行性。