动态需求的多车型车辆调度问题及云遗传算法

根据动态信息产生的时间点不同提出时间轴概念,利用时间轴将动态车辆调度问题转化为一系列的静态车辆调度问题,建立考虑车载率和油耗的综合费用为优化目标的车辆调度模型.利用云模型云滴的随机性和稳定倾向性改进自适应遗传算法中交叉率和变异率设置方式,设计云自适应遗传算法对车辆调度问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.

带时间窗动态车辆路径问题的优化调度策略

针对带时间窗动态车辆路径问题(DVRPTW),根据优化时间点的选取建立DVRPTW的一系列静态子模型,研究优化调度策略,分别是基于新顾客插入后的重复优化方法、批处理的方法或两者的混合。通过定义紧急顾客,提出一种新的紧急顾客插入和分批驱动调度策略,该策略只需实时插入紧急顾客,具有快速响应、计算负荷小和路径计划更新频率低的优点。仿真对比实验比较了4种策略的优劣,并探讨分批优化间隔长度对调度性能的影响。

物流动态车辆调度问题的混合禁忌搜索算法

在分析动态车辆调度问题的基础上,建立了基于时间轴的动态模型;接着针对该问题在实际中的应用,设计了基于并行节约法和禁忌搜索的混合算法以对动态车辆调度问题进行求解;最后给出算法实现和算例模拟,验证了该算法的有效性。

多车场多车型车辆调度问题的改进粒子群算法

多车场多车型车辆调度问题优化是物流配送中的典型NP难解问题,针对传统的粒子群算法存在收敛速度慢,易早熟收敛等问题,提出了一种改进的粒子群优化算法。该算法对种群中的粒子采用一定的概率进行柯西变异,使算法跳出局部最优解。将算法应用于多车场多车型车辆调度问题优化,算例证明该算法求解多车场多车型车辆调度问题是可行的,并且优于标准粒子群优化算法。

模糊信息动态车辆调度优化问题研究

针对车辆调度中的模糊信息问题,以车辆模糊行驶时间以及顾客模糊预约时间为模糊信息参量,采用细分顾客类别以吸收配送者知识系统的方法,分别以物流企业效用最大化和顾客效用最大化两种决策目标构建了2类模糊信息动态车辆调度优化模型,并给出了求解该类问题的蚁群算法.仿真试验分析了决策参数的变化对2类模型计算结果的影响,并给出了相关参数制定的依据.

动态车辆配送优化调度问题的两阶段算法

研究了动态车辆配送优化调度问题的高效求解算法.在分析配送车辆调度中造成车辆动态性的原因的基础上,提出了一种考虑车辆故障和车辆多次巡回配送的动态车辆配送优化调度问题.在对该问题进行描述的基础上,制定了求解该问题的两阶段策略:第一阶段制定整体优化计划;第二阶段进行实时局部优化调度.设计和实现了求解该问题的两阶段算法:第一阶段采用禁忌搜索算法制定优化的配送计划;第二阶段采用局部搜索算法实时进行优化调度.既充分利用了禁忌搜索算法全局搜索能力强的优势,又充分利用局部搜索算法收敛速度快的优势.最后,通过实验计算验证了算法的良好的性能.

一类新的动态车辆调度问题的建模与算法

针对目前对于动态车辆调度问题的研究仅集中于考虑时间依赖或依概率变化的情形,在对原有动态车辆调度问题模型进行总结的基础上,综合考虑了时间依赖且网络依概率变化,以及结合带有时间窗和随机需求的情况,提出了新的问题模型,并提出求解该问题模型的多目标随机机会约束规划模型,设计了用遗传算法解决该模型的方案与步骤。实验结果表明,所提出的模型可有效地拟合交通状况,设计的算法可以有效地求解该模型。

基于动态可挽救性的应急车辆调度问题研究

近些年来,应急车辆调度问题的研究多集中在如何选择最优路径,这就往往忽略了受灾地区的具体情况。但在实际中,地区受灾程度的不同,以及受灾地区的救援价值很大程度上决定了救援决策。通过引用可挽救性的概念,建立了对可挽救性进行数值度量的可挽救性度量模型,并且在此基础上建立了以最大化可挽救性和最小救援时间为目标的应急车辆的调度双目标模型,最后给出了算例。

基于遗传蚁群算法的带时间窗多车场车辆调度问题

给出带单边硬时间窗的多车场车辆调度问题的数学模型,并提出一种遗传蚁群融合算法。该算法在遗传算法的基础上加入蚁群路径搜索和自适交叉变异来提高算法搜索能力,并且采用模拟退火个体接受方式接受蚁群路径搜索产生的新个体,从而使算法提高了跳出局部最优点能力。结合算例计算验证了算法的有效性和正确性。

混合分布估计算法求解动态需求多车型车辆调度问题

针对物流配送客户需求动态变化,车场车型不是唯一特点,建立基于时间轴的多车型动态需求数学模型,根据客户动态需求将动态配送问题转换成一系列静态配送问题。设计了一种将分布估计算法与并行节约算法混合的算法实时优化模型。引入重定位法与2-opt法局部搜索算法局部调整线路内子路径及线路间路径,进一步提高算法收敛速度。仿真实验与算法验证了所提算法的有效性与优越性。

多车场动态路径问题的自适应量子蚁群算法

针对物流配送过程中存在的多配送中心动态需求车辆调度问题即多车场动态车辆调度问题(MDDVRP),提出了一种自适应量子蚁群算法(SAQACA),用于最小化路径。根据量子的相位编码方式,提出了对蚁群的信息素矩阵进行直接编码,进而实现由量子旋转门更新完成蚂蚁移动;根据搜索点的量子相位特点及目标函数的变化率,提出了一种自适应量子旋转门更新方式,进而提高了算法的全局搜索深度;引入基于两元素搜索策略的局部搜索方法提高了算法的局部优化能力,从而对可行解进行改进。仿真实验与算法比较验证了所提算法的有效性和优越性。

一种基于双链量子编码的动态车辆路径问题解决策略

针对配送调度事件动态变化的动态车辆路径问题(DVRP),以最小化运输成本、最小化配送时间与最大化载货率为目标,建立了问题的数学模型,提出了改进的多相量子粒子群算法.针对DVRP问题的特点,提出基于车辆链和货物链的双链量子编码方法;同时设计了基于周期和重调度因子驱动的动态调度策略.最后将方法应用于动态仿真算例,并与其他经典算法比较,结果验证了所提出方法的有效性.

大规模邻域搜索算法求解时变车辆调度问题

对时变网络车辆调度问题提出一种满足先入先出准则的时变处理方法,并建立相应的数学模型,提出一种基于大规模邻域搜索技术的智能优化算法进行求解,算法顶层采用动态规划算法搜索环状交换邻域以得到每辆车的最佳服务顾客集合;底层设计动态搜索算法用以安排每辆车的最佳服务路线.在此基础上提出顶层加入虚拟顾客和底层嵌入insert两类改进策略.通过实验仿真比较,验证了所提算法的有效性.

多车场满载货运车辆优化调度的网络流算法

探讨在一般条件下的多车场满载的 VSP问题 .建立了它的网络流模型 ,并给出了一种基于该网络流最优解的启发式算法 .该算法的一个明显特征是 ,对每一条行车路线的确定总是基于一修改后的网络流模型的最优解 ,大大提高了算法结果的优化质量 .同时 ,与其它同类算法相比 。

机场加油车动态调度问题研究

机场特种车辆的调度效率将直接影响地勤服务成本和航班正点率。针对机场加油车动态调度问题,构建具体时刻的车辆调度模型;利用航班预计到港/出港消息,设计一种基于规划时间窗的车辆实时调度算法,将动态问题转化为一系列静态问题,实现车辆总行驶路程最短、所需车辆最少和每辆车的服务任务量均衡的目标。以机场实际数据验证了其合理性和有效性。

多车场车辆调度智能优化研究

针对物流配送中的多车场车辆调度问题提出了两种多车场的智能处理方法,并且用禁忌算法优化了容量约束的多车场VSP问题.本文介绍了此智能处理方法和禁忌算法的原理,给出了具有代表性的一个算例试验结果和结果分析.试验结果表明了此方法对求解多车场容量约束的车辆调度问题的有效性.

有车辆数限制的开放式车辆调度问题研究

有车辆数限制的开放式车辆调度问题(m-OVRP)是车辆调度类问题(VRP)的一个新的分支.本文通过多初始解选优、平滑动态的禁忌长度等改进手段,基于遗传算法中变异的思想,设计了改进的禁忌搜索算法来解决m-OVRP问题.实验结果表明,本文提出的算法不仅能很好地解决m-OVRP问题,对OVRP问题也能得到稳定的结果.本算法核心包括:提出一种全新的构造初始解的贪心算法,在禁忌搜索初始解的选取中采用多初始解选优的策略;提出在禁忌搜索中采用平滑动态的禁忌长度.本算法可以很方便地应用到其他的一些启发式搜索问题的求解中.

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。

考虑任务均衡的加油车动态调度问题

为了提高机场资源利用率以及航班的正点率,合理调度机场加油车为航班进行燃油加注服务势在必行。考虑到航班实际时刻的不可预知性,需建立动态规划时间窗,为窗口依据航班预计时刻捕捉到的航班构建机场车辆调度模型,利用自适应分支定价算法求解模型,从而配置车辆与人员,规划车辆的行驶路线,衔接任务,实现车辆行驶时间最短,加油员工作量均衡的目的。在华北某机场真实数据上进行仿真实验,结果表明,自适应分支定价算法优化下的车辆行驶时间与加油员工作量的标准差分较节约算法分别减小1.38%和7.47%,验证了算法的优势,且算法在机场其他地面服务规划问题中同样适用。

基于多阶段网络流模型的多回合整车装卸车辆调度问题研究

多回合整车装卸约束下的车辆调度问题是一种特殊的车辆调度问题,普通的车辆调度问题算法没有利用问题的特殊结构,计算效率低。首先通过分析多回合整车装卸车辆调度问题的特点,将其转换为多阶段网络流问题并建立模型;然后针对模型有后效性的特点,提出了基于禁忌列表的Bellman方程,并以此为基础,设计了基于动态规划算法的最小费用流求解算法。通过实例计算表明,模型和算法适合描述及求解多回合整车装卸车辆调度问题,能够较为快速高效地求解问题的优化行动方案。