求解卸装一体化车辆路径问题的改进导向局部搜索算法

针对卸装一体化车辆路径问题,提出一种变惩罚函数的导向局部搜索算法(IGLS)。在传统导向局部搜索算法的基础上加入了新的惩罚效用函数,当传统导向局部搜索算法陷入局部最优时,变换惩罚策略后重新搜索,从而扩展搜索的邻域。通过和传统导向局部搜索算法以及TS_GLS算法在不同算例上的仿真结果比较,验证了所提算法在解决卸装一体化车辆路径问题上的有效性和稳定性。

求解VRPSDP的多邻域导向局部搜索算法

针对有运输容量约束的车辆路径问题,提出一种基于多邻域的导向局部搜索算法.该算法首先利用最近邻法构造初始可行解,然后再从该可行解出发同时在多个邻域内进行局部搜索,当陷入局部最优解时找出解中惩罚效用最大的弧并修改惩罚特征系数和目标函数,在选择当前的最优解后从新的目标函数出发重新进行局部优化.通过对54个算例的求解,仿真结果表明了该算法在解决卸装一体化车辆路径优化问题上是一种可行有效的方法.

一种带有摄动的导向性蚁群算法

针对加入导向性局部搜索(Guided Local Search,GLS)的蚁群算法(Ant Colony Optimization,ACO)容易过早收敛的问题,提出一种带有摄动的导向性蚁群算法(Perturbation Guided Ant Colony Optimization,PGACO),该算法在当前解表现出过早收敛的趋势时,采用摄动(Perturbation)方式干扰解构建过程,使当前解移动到其邻域空间,从而产生一个新的可行解来避免算法过早收敛,提高算法求解的精度。实验结果表明,PGACO能有效地改善过早收敛问题,获得更优的可行解和执行速度,同时具有更强的全局搜索能力,能进一步提高算法的性能。

基于混合蚁群优化的卫星地面站系统任务调度方法

卫星地面站系统任务调度是一个典型的组合优化问题,优化过程极其复杂.鉴于此,提出了一种有效求解该问题的基于蚁群优化算法和导向局部搜索方法的混合优化方法.该方法将蚁群优化和导向局部搜索有效地结合在一起,极大地提高了优化绩效.实例计算结果表明,该混合方法能有效地求解卫星地面站系统任务调度问题.

动态车辆路径问题的优化方法

设计了在动态环境下进行车辆路径优化的导向局域搜索算法.算法在产生初始解以后的动态求解过程中,不再做车辆之间的顾客调整,而只应用2-opt局域搜索算子更新车辆服务顾客的顺序,即针对每辆车辆的旅行路线求解一个旅行商问题.建立了在动态环境下车辆执行运输任务过程的仿真模型.仿真过程中,应用算法根据交通路网实际情况实时优化车辆路径,并采用4种接受准则判别是否接受新的车辆路径.仿真结果表明:算法具有实时、高效的特点,满足动态车辆路径问题的求解要求.