带回程取货车辆路径问题的干扰恢复模型

在实际车辆调度中,路线安排系统要对来自外界不断出现的干扰事件做出迅速反应.针对带回程取货车辆路径问题中出现的需求变化干扰(如新的服务请求、客户点减少及其货物量增加或减少),基于干扰管理的思想,对这类干扰事件进行分析和度量,提出了带回程取货车辆调度的扰动恢复模型;设计了基于邻近策略和增派策略的启发式算法对模型进行求解;最后结合标准数据集对模型和算法进行了验证.

带时窗回程取货的车辆路径问题的算法

车辆路径问题如果考虑回程取货过程就可以在送货的过程中先后完成取货任务,比传统不考虑回程过程的问题更有实用性,基于此对传统问题进行了改进,不限制车辆的取送货顺序,而是设计了相应参数,避免了货物的重新排列·在确定目标时,综合考虑车辆运行成本、人员等待成本及服务成本等因素,实现目标解的真正可行·最后,根据此问题的特点,设计了先通过分枝定界法及遗传算法确定可行路线,再运用整数规划方法求解的算法,并以实例说明了算法的有效性·

带时间窗可回程取货车辆路径问题的元胞鱼群算法

在研究带时间窗可回程取货车辆路径问题数据模型的基础上,将人工鱼群算法的仿生学原理与元胞自动机的邻域邻域模型和状态迁移规则相结合设计了元胞鱼群算法。算法通过在每次迭代后进行元胞空间的信息交换,并利用交换序方法对鱼群算法进行重构,改善了对解空间的搜索性能。仿真实验结果表明,元胞鱼群算法有良好的寻优能力,具有一定的工程应用价值。

用遗传算法求解带回程取货的车辆路径问题

带回程取货的车辆路径问题可以同时服务路径上的取货送货节点,通过对该问题的研究,利用改进的遗传算法对其求解,并通过实例证明其有效性.

求解模糊需求可回程取货车辆路径问题的改进人工鱼群算法

模糊需求可回程取货车辆路径问题是运筹学领域研究的一个热点问题.文中构建该问题的数学模型,并提出一种改进的人工鱼群算法.将人工鱼群算法仿生学原理和决策者主观偏好进行有效结合,重构人工鱼群算法的寻优公式,通过动态调整人工鱼移动步长、视野范围和邻域值等方法提高寻优能力.仿真实验结果证实该算法的有效性和优越性.

基于蚁群算法求解带硬时间窗的VRPSDP

建立了描述带硬时间窗的同时送取货的车辆路径问题(VRPSDPTW)的混合整数规划模型,给出了求解该模型的基于蚁群算法的改进的启发式算法。最后,通过实例计算,验证了算法的可行性和有效性,结果表明改进的蚁群算法在求解小规模问题(20个客户点)时,其性能总体优于已有的同类问题算法。

基于改进全局人工鱼群算法的VRPSPDTW研究

研究带时间窗的同时送取货车辆路径规划问题(VRPSPDTW),并建立0-1混合整数规划模型。为进一步提高人工鱼群算法的寻优能力和收敛速度,提出一种改进的全局人工鱼群算法,并通过实验确定算法参数。算法将模型中的时间窗和车载量两个强约束纳入适应度函数进行处理,降低算法计算复杂度。以最小化发车数(NV)和路由距离(TD)为优化目标,通过王与陈提供的VRPSPDTW算例与基本人工鱼群算法(AFSA)和并行模拟退火算法(P-SA)进行比较,验证了改进全局人工鱼群算法的有效性。实验结果显示:IGAFSA获得的NV和TD目标值均优于AFSA,TD目标值优于P-SA。

嵌入差分进化算子的混合蜂群算法及其在VRPSDP的应用

针对人工蜂群算法进化速度慢、容易陷入搜索停滞的问题,通过嵌入差分进化算子,提出了一种混合蜂群算法(Hybrid Artificial Bee Colony algorithm, HABC).基本思想是:在迭代中嵌入差分进化算子,充分利用差分算法全局收敛性和鲁棒性强的特点,寻求全局最优蜜源;此外,在标准蜂群算方法基础上进行两点改进:在采蜜蜂阶段搜索策略中加入最优位置引导,提高搜索的效率;对超边界的个体重新进行变异,以增强种群的多样性.将混合算法应用于带同时送取货的车辆路径问题(VRPSDP),计算结果表明了混合算法的有效性.