基于第三方带软时间窗约束的车辆路径问题研究

在分析电商企业的"自建物流+第三方物流"配送模式的基础上,对自建物流成本和第三方物流成本分别展开研究,并在自建物流成本中设计了软时间窗惩罚函数。建立了基于第三方带软时间窗约束的车辆路径模型,设计了基于自然数序列的改进遗传算法对模型进行求解,改进交叉与变异操作来保护优秀基因,提出了种群扩张机制。最后,算例结果表明模型可以有效减少物流配送成本,提高配送效率,改进遗传算法还在提高计算时间方面有显著的成效。

带软时间窗约束的多车场车辆路径问题及其禁忌搜索算法研究

带软时间窗约束的多车场车辆路径问题在基础上增加了“多车场”与“时间窗”约束条件。本文建立了相应问题的数学模型,在此基础上设计了求解该模型的禁忌搜索算法,将多配车场中心车辆调度问题看作一个复杂的组合优化问题来进行研究。通过实验得出比较优的结果,证明了提出的算法是有效可行的,禁忌搜索算法搜索速度和寻优能力具有优越性。

多车场带时间窗车辆路径问题的改良自适应大邻域搜索算法

针对多车场带时间窗车辆路径问题(MDVRPTW),提出一种改良自适应大邻域搜索算法(IALNS)。首先,在构造初始解阶段改进一种路径分割算法;其次,在优化阶段利用设计的移除和修复启发式算子相互竞争择优选取算子,为各算子引入评分机制,采用轮盘赌方式选取启发式算子;同时,将迭代周期分段,动态调整各周期内的算子权重信息,有效避免算法陷入局部最优;最后,采取模拟退火机制作为解的接受准则。在Cordeau规范算例上进行实验,确定IALNS的相关参数,将所提算法求解结果与该领域其他代表性研究成果对比。实验结果表明,所提算法与变邻域搜索(VNS)算法的求解误差不超过0.8%,在某些算例上甚至更优;与多相位改进的蛙跳算法相比,算法的平均耗时减少12.8%,所提算法在绝大多数算例上运行时间更短。因此,验证了所提算法是求解MDVRPTW的有效算法。

基于改进蚁群算法求解带软时间窗的车辆路径问题

针对带软时间窗的车辆路径问题(VRPSTW),建立以配送成本为优化目标的混合整数规划模型,提出一种改进蚁群算法(IACO)求解该问题。在传统蚁群算法(ACO)的基础上,改进蚂蚁状态转移概率公式,通过自适应调整信息素挥发系数改进信息素更新策略,设计插入算子和交换算子嵌入变邻域局部搜索,并设置开始和退出局部搜索的条件,更新当前局部最优解。选取Solomon标准测试集里3类不同规模的算例,测试算法改进效果,以客户规模为100的C类算例验证所提算法求解较大规模算例的可行性,并与传统蚁群算法以及其他文献中的算例结果进行对比。实验结果表明,改进蚁群算法的寻优能力高于其他算法,求解得到的最优配送方案能够实现更低的车辆配送成本,从而验证了改进蚁群算法的有效性。

混合乌鸦算法求解带软时间窗的车辆路径问题

为求解带软时间窗的车辆路径问题,提出一种混合乌鸦搜索算法(hybrid crow search algorithm, HCSA)。设计最小惩罚成本与最小距离成本两种种群初始化规则,根据乌鸦在搜寻食物时的确定性搜索与随机性搜索两种智能搜索行为,将固定感知概率改进为可自适应调整的动态参数,引入自适应大规模邻域搜索策略,设计多种确定性与随机性邻域搜索算子。与已有文献算例结果及Solomon测试数据库进行对比,其结果表明,HCSA的优化质量优于其它文献算法,可有效求解带软时间窗的车辆路径问题。

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题(STT‒VRPSPD),建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索(HSTS)算法,并采用C‒W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。

DCS算法求解带软时间窗的送取货一体化VRP

为求解带软时间窗的送取货一体化车辆路径问题,提出一种离散布谷鸟(DCS)搜索算法。该算法在基本布谷鸟搜索算法基础之上,对莱维飞行获取新鸟巢和以一定概率抛弃鸟巢的迭代公式进行重新定义;同时设计客户序列和车辆序列双倍体鸟巢,并对客户序列采用交换、逆序、插入操作和对每辆车的访问路线采用2-Opt操作。通过5个算例的仿真实验和相关文献比较,结果表明所提DCS算法行之有效。

“卡车+无人机”模式下带时间窗的取送货车辆路径问题

无人机由于成本低、速度快、直线飞行等优势被越来越多地用于物流配送。考虑到无人机的载货量小、续航能力有限等因素,针对“卡车+无人机”模式下的带时间窗的取送货车辆路径问题进行优化,建立了以最小化运输成本为目标的混合整数规划模型。设计了自适应大邻域搜索算法对其求解。在该算法中,通过设计基于模型特点的多种高效的破坏算子和修复算子、引入模拟退火接受准则避免陷入局部最优解来提高算法性能。通过算例求解验证了模型和算法的有效性,分析了卡车与无人机联合配送模式对路径成本的影响,为“卡车+无人机”模式的路径规划提供决策依据。

求解带软时间窗车辆路径问题的改进伊藤算法及其收敛性分析

针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文提出的改进伊藤算法引入了协同扩散过程的漂移系数,采用局部搜索能力强的爬山法确定波动系数,将漂移和波动同步进行,当找到可行解之后再进行一定程度的波动.为了验证算法的有效性,将改进后的伊藤算法用于求解带软时间窗的车辆路径问题.仿真结果表明,改进后的算法效率更高,收敛速度更快,算法稳定性和健壮性也更好.此外,本文还根据马尔科夫链移向吸引元的性质及其各状态之间的转换关系,探讨了构造伊藤随机微分方程的马尔科夫链近似模拟算法及其收敛性证明.

超启发式遗传算法求解带软时间窗的车辆路径问题

针对车辆路径问题中传统软时间窗惩罚函数过于线性的问题,考虑客户容忍水平,提出一种折线型软时间窗,并构造出相应的惩罚函数。在此基础上,以运输配送总成本最小为目标,构造出一种带折线型软时间窗的车辆路径问题通用数学模型。同时,提出一种具有一定通用性的超启发式遗传算法,该算法以遗传算法作为上层搜索算法,以3种启发式算法——CW节约法、MJ插入法和Kilby插入法作为底层搜索规则,并通过预排序、局部搜索和全局优化来优化算法。最后,通过Solomon标准题库中的R101算例分析并验证了所提算法的可行性和有效性。

求解带软时间窗的车辆路径问题的改进遗传算法

带软时间窗的车辆路径问题 (VRPSTW)是在基本的车辆路径问题 (VRP)上增加了时间窗约束条件的一种变化形式 ,是一个典型的 NP-难问题。通过引用一种新的编码方法、交叉和变异概率的自适应机制 ,构造一个改进的遗传算法来求解 VRPSTW,并将求解结果与其他遗传算法比较。比较结果显示 。

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法。通过计算若干benchm ark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性。蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法。

遗传算法求解带时间窗的车辆路径问题

引言随着互联网的进步,电子商务业的飞速发展,人们的生活愈发信息化,车辆路径问题的客户已经从以前的大型超市、生产基地等更多的落地到如家庭、个人等小而精的客户身上。带时间窗的车辆路径问题(VRPTW)更加贴切现在和未来对于车辆路径问题的描述。VRPTW是VRP问题的一种常见的变体,配送车辆容量有限,每一个客户都拥有一个特定的交付时间窗口所限定,车队运输需要在客户的时间窗内抵达客户所在位置为客户服务,否则将受到一定的惩罚。VRPTW也被认为是NP-hard[1],精确算法求解车辆路径问题仅仅适用于规模较小的问题,而面对现实世界中大型的VRPTW时,启发式和元启发式通常更加适合[2]。模拟退火(SA)、禁忌搜索(TS)[6]、蚁群优化(ACO)[4]、遗传算法(GA)[3]、粒子群优化(PSO)[5]等算法已被证明可有效解决复杂的多目标问题,在求解车辆路径问题上取得了显著的成果。本文以最小化物流配送成本为目标,研究带时间窗的车辆路径问题,建立数学模型;为克服遗传算法收敛速度慢的缺陷,设计并采用了自适应大邻域算法中的破坏算子,通过局部搜索策略,保留较优解。通过实际算例测试表明,改进的遗传算法较简单遗传算法有较好的局部寻优能力,验证了本文算法的有效性。

求解带软时间窗的开放式车辆路径问题的遗传算法

通过应用交叉、变异概率的自适应机制和交叉算子A等技术,构造了一个求解带软时间窗的开放式车辆路径问题的遗传算法。用标准测试算例对算法进行测试,并将运算结果与文献中相关算法的运算结果相比较。结果表明,该算法具有较好的性能。

带软时间窗的同时取送货车辆路径问题研究

考虑软时间窗下的车辆路径问题,客户点常伴有同时取送货的双重需求。针对此类问题,通过对软时间窗、车辆在途前后时间关系及二者融合问题进行刻画,同时将车辆行驶距离、车辆使用数、违反软时间窗总时间、客户满意度等纳入综合考量,构建相应混合整数非线性规划(mixed integer nonlinear programming,MINLP)模型。设计相应多目标优化求解算法,运用理想点法对目标函数进行转化,将多目标优化问题转化为单目标优化问题。结合相应算例集,运用LINGO 17.0全局求解程序求得每组算例的全局最优解。结果表明,针对带软时间窗的同时取送货车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery and soft time windows,VRPSPDSTW),所建模型及算法是有效且可行的。

求解带软时间窗车辆路径问题的融合算法

设计了遗传算法与变异蚂蚁算法的一个融合算法,该算法采用优良基因保护策略,引入蚂蚁寻径变异机制,并改进了信息素的更新方式,提高了寻径速度以及寻径的全局性。经过对比实验,验证了本融合算法可以有效而快速地获得问题模型的最优解或近似最优解。

有软时窗约束带取送作业的车辆路径问题及其禁忌搜索算法研究

有软时窗约束带取送作业的车辆路径问题是在基本的车辆路径问题上增加了取送作业和时间窗约束的一种变化形式,是一个典型的NP-难问题。本文建立了问题模型,运用改进的禁忌搜索算法测试了根据实际状况构造的一个大规模算例。快速获得的高质量解验证了模型的正确性和算法性能的优良性。

带软时间窗的两阶段连锁门店配送车辆路径问题研究

针对连锁企业配送路径优化决策问题,利用分解法进行两阶段分析,建立数学模型,并引入时间窗约束。应用最小包络聚类分析方法确定供应商与配送中心的最佳位置与数量,运用禁忌搜索算法求解配送中心到门店的最佳配送路径,算例测试验证了该方法的有效性与研究的实用价值。

基于离散哈里斯鹰优化算法求解带时间窗车辆路径问题

为求解带时间窗车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出一种离散哈里斯鹰优化算法。该算法采用随机反转和交换操作对全局开发阶段进行重定义,扩大算法的全局搜索空间;引入贪心策略和移除算子对局部搜索阶段进行重定义,加强各个哈里斯鹰间信息的交互,提高算法的局部探索能力。对比实验结果表明,离散哈里斯鹰优化算法在求解VRPTW上有较强的寻优能力,求解质量优于其他启发式算法。