基于群体智能算法的通勤车辆路径优化问题

为解决员工通勤难的问题,面向大型企业为员工提供统一接送通勤服务,研究多目的地和多车型的车辆路径问题,并建立相应的数学模型,提出群体智能算法对其进行求解。基于现实生活中通勤服务车辆实际约束,采用混合整数规划方法,以最小化运营成本为目标构建多目的地和多车型的车辆路径问题的数学模型。提出一种基于S-N链的解表示方法以及对应的解码过程和评价准则,并采用群体智能算法中的蜘蛛猴优化算法对问题进行求解。为验证蜘蛛猴优化算法的有效性,将其与粒子群优化算法进行比较。结果表明,在相同求解时间下,蜘蛛猴优化算法求解此问题的性能更优。对17组随机算例进行测试,验证所提数学模型和蜘蛛猴优化算法能够有效解决多目的地和多车型的车辆路径问题。

考虑碳交易的多车型运输车辆配送路径优化

为降低成本,减少温室气体排放,提出碳交易环境下固定车辆数的多车型车辆配送路径优化问题.考虑碳交易市场机制对运输企业收益成本的影响,建立具有固定车辆数多车型车辆低碳路径混合整数规划模型.针对问题性质,设计禁忌搜索算法进行仿真实验,同时对碳交易限额及交易价格等参数进行敏感性分析.分析表明,碳交易环境下合理安排运输车辆和配送路径,企业可以从碳交易中获得经济收益降低成本并减少碳排放.实验结果表明禁忌搜索算法在该问题求解上的有效性.

隧道塌方应急救援多车型调度模型

隧道施工塌方事故因道路通行条件差、车型繁杂等问题,使应急救援调度十分困难。针对普通、超限、重型三种类型救援车辆,选取路段距离、道路等级、拥堵情况、路面状况和坡度作为道路综合权值的影响因子,建立了以最小化道路权值为目标,同时考虑车辆自身对道路条件约束的路径规划模型,并给出求解方法。计算车辆供应点三种车型之间的路径重合率,以调度时间最短为目标,建立了限制期内多车型救援车辆调度模型。以算例进行验证,计算结果表明:该模型能够根据隧道周边复杂道路环境求得适应于不同车型的最优路径,并得到最优调度方案,提高救援效率。

绿色VRP的增强拉格朗日松弛启发式算法

针对绿色多车型车辆路径问题(GHFVRP),建立了以最小化车辆固定成本、行驶成本及碳排放成本之和为优化目标的混合整数规划模型(MIP),并提出一种增强拉格朗日松弛启发式算法(ELRHA)进行求解。首先,通过松弛难约束构造对偶问题,并分解为两个子问题,再采用次梯度法更新拉格朗日乘子,求解两个子问题获得原问题的下界;其次,设计一种两阶段启发式算法对下界进行修复及优化,以获得较好可行解并更新问题上界;最后进行仿真实验,实验结果表明:在相同实验环境下对17个算例进行20次测试,ELRHA平均求解间隙为4.49%,相较Gurobi提升3.28%,同时与其它算法对比进一步验证了ELRHA能求解问题高质量上界。可见,ELRHA能有效求解GHFVRP。