解决车辆路径问题的混合模拟退火算法

构造了车辆路径问题的双目标数学模型,据此提出了混合模拟退火算法。该算法主要将模拟退火算法和2-opt优化算法有机地融合,从而使混合后的算法不但具有这两种算法的优点,而且还克服了他们相应的缺点。针对车辆路径问题,重点阐述了混合模拟退火算法的设计思路。实验结果表明,混合模拟退火算法不仅可以取得很好的计算结果,而且还具有收敛速度快等优点。

多种群差分进化算法及在柔性车间作业调度中的应用

针对柔性车间作业调度问题,在深入分析差分进化算法的基础上,提出了一种多种群差分进化算法.该算法基于DE/rand/2/bin变异方式全局搜索能力强,鲁棒性好,和DE/best/2/bin变异方式局部搜索能力强,收敛速度快;包含若干个普通种群和一个精英种群,普通种群采用DE/rand/2/bin变异方式,精英种群采用DE/best/2/bin变异方式,普通种群和精英种群及普通种群之间在适当的时候进行优秀个体迁移,以实现全局搜索能力和收敛速度之间的平衡,并从现实生产实际出发,建立了双目标柔性车间作业调度数学模型.最后,将该算法应用于一个调度算例,仿真结果表明,该算法可行有效.

不确定车辆数的车辆路径问题模型和混合算法

提出用遗传算法 ( Genetic Algorithms,GA)和禁忌搜索算法 ( Tabu Search Algorithm,TSA)结合求解不确定车辆数的车辆路径问题。首先描述了带有能力约束的 VRP的数学模型 ,由于车辆数不确定 ,因此提出另一目标函数 ,即最小化车辆数 ,与最小化距离同为目标函数建立了双目标数学规划模型。在车辆数不确定的情况下 ,把聚类和排序有机地结合起来 ,并用 GA和 TSA相结合的混合算法对问题进行求解 ,即以 GA为主 ,把 TSA用在 GA的变异操作中 ,增强算法的爬山能力。实验结果表明 ,混合算法获得的最好解。