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。

具有模糊时间约束的城市配送多车型车辆调度问题

针对城市物流配送中广泛存在的有时间窗多车型问题,以及由于交通路况与人力因素导致的相关时间参数模糊化现象,以梯形模糊数表征时间参数,利用梯形模糊代数、有符号距离和区间数距离公式,构造出一种具有较高精度的提前/滞后惩罚函数,继而在此基础上给出了一种以最小化配送费用和客户时间窗提前/滞后惩罚为目标的具有模糊时间约束的多车型车辆调度问题模型。在车辆调度问题求解方面,针对经典粒子群算法容易陷入局部最优的问题,给出了一种具有量子行为的改进粒子群算法来改善粒子群算法的性能。最后通过仿真试验表明,该算法不仅具有较高的搜索效率与搜索质量,而且具有较快的收敛速度,验证了其可行性与有效性。

具有模糊行程的城市物流动态费用多车型车辆调度问题研究

针对城市物流配送中广泛存在的多车型问题,以及由于交通路况等因素导致的配送行程模糊化现象,给出了一种基于梯形模糊数的,以最小化行程费用为目标的具有模糊行程的动态费用多车型车辆调度问题模型。在问题求解方面,针对基本粒子群算法容易陷入局部最优的情况,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法。仿真实验表明,该算法具有可行性和有效性。