带硬时间窗的战场物资配送车辆路径优化

针对战场物资配送中带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立了多目标模糊期望值模型,提出了一种改进的约束多目标粒子群优化算法。算法采用基于相位空间思想的实数编码方式,提出了带优秀不可行解动态记忆机制的非支配解构造方法,基于自适应栅格和拥挤距离的混合多样性策略维护非支配解集,改进了个体向导更新方式,提高了算法的收敛性能,同时引入局部搜索和变异算子避免算法早熟。仿真实验表明了模型的合理性和算法的有效性。

一种改进型蚁群算法在带硬时间窗的战场车辆路径问题中的应用研究

战场物资配送活动中的车辆路径问题受到可使用车辆数量、车辆行驶速度、车辆载运能力、配送时间要求等多方面约束。作战时机稍纵即逝,各个作战单元对配送车辆服务时间和数量的要求较普通物流配送更为严格。文章以配送总路程为目标函数,以车辆载运能力、行驶速度、物资需求数量、配送时间要求等为约束条件,建立了带有硬时间窗的战场车辆配送问题多约束目标优化模型,提出了一种改进的蚁群算法。算法通过对搜索方式和信息素更新方式的优化处理,既确保计算过程中最优结果较快产生,又避免算法早熟。通过仿真实验验证了算法的合理性、可行性和有效性。

基于车载模式的战场物资多无人机联合配送任务分配研究

提出了车载模式下的多无人机联合配送模式,对战场物资无人机配送的任务分配问题进行了研究。以完成所有配送任务的时间最短为目标,采用K-means聚类算法确定需求点聚类数量以及各集群中配送无人机与车辆的分离点,利用遗传算法解决车辆路径问题,通过调整配送无人机与车辆分离点实现保障方案的优化。仿真算例验证了模型及算法的有效性,研究成果为战场物资运输提供了新思路和方法支撑。