多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。

考虑载重成本与时间窗的集送货问题的自适应大邻域搜索算法

物流配送需求的快速增长使得集送货问题的应用越来越广泛。针对配送过程中货物载重影响运输成本的情况,研究考虑载重成本的有时间窗的集送货问题。构建该问题的最小化车辆数量和总运输成本的双目标混合整数规划模型,在该模型中,运输成本为车辆载重量与车辆行驶距离的函数。设计两阶段自适应大邻域搜索算法对其求解,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。测试不同规模及特点的标杆算例,结果表明,所提出的两阶段自适应大邻域搜索算法能够高效求解小规模、中等规模和大规模算例,并分析了货物载重以及不同运量系数对运输成本的影响,为物流企业的集送货车辆路径优化提供参考。

基于自适应大规模邻域搜索算法的多等级引航员排班问题

引航服务不仅是保障船舶和港口安全的必要手段,也直接影响船舶进出泊位的效率。本文聚焦引航服务日常运作管理中面临的引航员调度排班问题,考虑引航员等级、服务时间窗、航道宽度等现实因素,以服务延迟成本、引航员出工成本、引航员交通成本、单次服务成本和当日未服务惩罚成本的总加权成本最小为目标构建了一个混合整数规划模型。结合问题特征,本文选择采用自适应大邻域搜索算法对模型进行求解,并针对模型特点设计多种破坏算子和修复算子进一步提高算法的运行速度与精度。最后,本文通过一系列数值试验验证了算法的高效性和准确性,并通过参数进行敏感性分析给出相应的管理启示,为港口企业运营决策提供参考和建议,从而提高引航服务水平。

取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO_AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO_AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。

改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

为了给物流企业在车辆配送方案制定上提供决策支持,针对电动物流车与燃油物流车混合配送的模式,研究了带时间窗的动态需求车辆路径问题,建立了以配送总成本最小化为目标的两阶段整数规划模型。针对模型特点,设计了改进的自适应大规模邻域搜索(improved adaptive large neighborhood search,IALNS)算法,提出新的删除、修复算子及动态阶段加速策略,分别针对大规模的静态算例与动态算例进行算法性能测试。结果表明,与无改进策略的IALNS(IALNS-ND)相比,静态问题中在相同的求解时间内75%的算例(12个算例中9个)IALNS得到的最小值和平均值优于IALNS-ND,动态问题中95%(60个算例中57个算例)的算例可以得到成本和时间均优于IALNS-ND的解;与三种算法——自适应大规模邻域搜索算法(ALNS)、大规模邻域搜索算法(LNS)以及变邻域搜索算法(VNS)相比,静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法,动态问题中58%(60个算例中35个算例)的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解。同时随着问题动态度的提高,IALNS的速度更快,质量更好,证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性。

多策略改进的麻雀搜索算法

针对麻雀搜索算法在迭代收敛时易陷入局部最优的问题,提出多策略改进的麻雀搜索算法(NLSSA)。利用邻域重心反向学习策略优化麻雀算法的初始种群,提高初始个体质量。通过Levy飞行策略的长短距离跳跃更新麻雀生产者位置,从而提升麻雀算法的局部极值逃逸能力。在跟随者位置更新机制中引入自适应权重,从而平衡麻雀算法的局部挖掘和全局寻优能力。为了验证所提NLSSA算法的性能,利用8个基准测试函数进行测验,测试结果与Wilcoxon符号秩检验结果表明,与麻雀搜索算法、粒子群优化算法、灰狼优化算法和其他改进的麻雀搜索算法相比,NLSSA算法在寻优精度、稳定性能和收敛速度方面的效果更佳。

基于自适应阈值的改进孤立森林算法研究与验证

为改善孤立森林算法建立二叉树时随机选择属性进行数据分割,构建孤立森林时可能出现一些性能较差的冗余二叉树,导致模型精度不高的问题,应用一种区间套搜索算法对初始构建的孤立森林搜索森林划分阈值,去除性能较差的孤立二叉树,构建性能更优的孤立森林,提出一种自适应阈值的改进孤立森林算法(Adaptive-iForest)。选取UCI经典数据集中Breastw、Ionosphere、Satellite、Shuttle、Pendigits 5个数据集进行实证分析,对比iForest、LOF两个算法,AdaptiveiForest算法的精度与AUC值均有不同程度提升。

基于自适应大规模邻域搜索算法的带时间窗的车辆路径问题

引入自适应大规模邻域搜索算法进行带时间窗的车辆路径问题的求解,通过移除和插入规则,分别在客户层级和路线层级上,不断地摧毁和重建解决方案,并通过局部优化策略来提高解的质量,最终得到最优的解决方案。结果表明,相较于传统的启发式算法,该算法求解此类问题的速度更快、结果更好。

多策略融合的改进万有引力搜索算法

为解决传统万有引力搜索算法(GSA)易陷入局部最优和开发能力弱等问题,提出了一种多策略融合的改进万有引力搜索算法(MFGSA)。首先,提出动态调整引力常数G的更新策略,以增强算法的探索能力和收敛精度;其次,为保留粒子的多样性,提出了基于对称思想的粒子越界处理策略,以提高算法的收敛精度;为适应前两个策略,还引入精英思想,用最优粒子改善最差粒子位置策略,以避免算法陷入局部最优;同时,提出了自适应因子更新粒子速度和位置策略,以提高算法的收敛速度。为验证改进算法的性能,将改进算法与传统万有引力搜索算法和其他四种改进万有引力搜索算法在10个基准函数上进行了对比实验,结果表明MFGSA在收敛速度、搜索精度方面优势较大,表明MFGSA性能的优越性。

混合策略改进的麻雀搜索算法及其应用

针对麻雀搜索算法(sparrow search algorithm,SSA)在优化过程中易陷入局部最优、寻优精度低等问题,提出了一种混合策略改进的麻雀搜索算法(MSSA)。为了使麻雀个体在搜索空间中能够进行充分搜索,在算法寻优过程中引入存档阶段去接收麻雀发现者向安全区域移动时可能被捕获而残留的位置信息;在算法的迭代过程中对当前最优个体作自适应邻域搜索,通过充分探索优质个体周围的位置信息来增强算法跳出局部最优的能力。通过九个基准测试函数进行性能评估,将MSSA、SSA以及四个改进的麻雀搜索算法,即混沌麻雀搜索算法、混合策略改进的麻雀搜索算法、改进的麻雀搜索算法、增强型的麻雀搜索算法,进行性能评测比较。实验结果表明,MSSA相较于其他对比算法在近80%的测试函数上都有更好的收敛精度和稳定性,并且在Friedman检验中MSSA的排名均获得了第一。最后,将MSSA应用于障碍物环境下的无线传感器网络(wireless sensor network,WSN)覆盖优化问题,MSSA比五个对比算法的覆盖率分别提高了9.77%、4.25%、6.62%、3.02%、7.38%。

基于改进麻雀搜索算法的摄像机标定优化方法

目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。

自适应大邻域搜索算法在无人机物流路径规划问题中的应用

近年来无人机在物流运输领域发展十分迅速,这其中一个重要原因是无人机可以应对各种复杂的交通环境如城市的交通拥堵和乡村偏远地区的较差路况.而路径规划则是其在实际应用过程当中的一个重要环节,本文针对于此设计了一种自适应大邻域搜索算法来解决该问题.该算法通过引入自适应的机制来对传统的邻域搜索进行改善,使其能具有找到更好的解的潜力.在一些经典数据集上的仿真实验显示,本文提出的算法具有较强的鲁棒性和稳定性.另外通过该算法和其他元启发式算法的对比实验验证了本算法能够有效地减少使用无人机进行物流配送的费用.

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization,IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization,ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search,LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.

基于自适应大邻域搜索的遗传算法求解VRPTW研究

针对传统遗传算法在求解带时间窗的车辆路径问题(vehicle routing problems with time window,VRPTW)上存在的易陷入局部最优及求解质量不高等问题,本文主要对基于自适应大邻域搜索的遗传算法求解带时间窗车辆路径问题进行研究。通过将自适应大邻域搜索算法与遗传算法相结合,称为ALNS-GA设计了3个移除算子和2个重插算子,以提高遗传算法的局部搜索能力,并优化了初始种群生成策略。同时,为了验证算法的有效性,分别对比了传统遗传算法和基于大规模邻域搜索的遗传算法(LNS-GA、LNS*-GA),并选取Solomon数据库上VRPTW测试算例,在Matlab R2016b上进行实验验证。实验结果表明,当终止条件为迭代100次时,ALNS-GA的求解质量高于传统遗传算法,大部分案例中,ALNS-GA所求的最好值优于LNS-GA和LNS*-GA,且ALNS-GA平均用时均小于LNS-GA和LNS*-GA,特别是当顾客规模为100时,ALNS-GA的平均用时更少,虽然小部分案例的平均值略高于LNS-GA和LNS*-GA,但从整体上看,ALNS-GA的寻优速度和质量均优于LNS-GA和LNS*-GA,说明经过改进后,遗传算法的局部搜索能力明显提高,可以有效改善遗传算法在带时间窗车辆路径问题上的应用。该研究具有一定的创新。

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.

基于改进自适应黑洞机制的引力搜索算法

针对基本引力搜索算法(gravity search algorithm,GSA)易早熟、易陷入局部最优、缺少有效加速机制等缺点,提出了基于改进自适应黑洞机制的GSA(improved adaptive black hole gravity search algorithm,IABHGSA)。通过改进Tent映射对种群初始化,使得初始种群的分布更随机、均匀、全面,增强算法的全局勘探能力;引入改进自适应黑洞机制,根据粒子进化情况选择位置更新策略,使得位置更新更为合理,有效减小粒子陷入局部最优的可能性;通过基于学习思想的最优与最差粒子更新策略增强算法逃离局部最优的能力,并提高算法的寻优速度;引入群体迁徙,为算法提供有效的加速收敛机制。最后,选取八个基准测试函数对IABHGSA进行测试,并与相关算法的实验结果进行了对比,结果证明IABHGSA有更好的寻优性能。

基于逐维改进的自适应步长布谷鸟搜索算法

步长的选取对于布谷鸟搜索算法的收敛速度与运算结果的精度起着关键作用。提出了一种基于逐维改进的自适应步长布谷鸟搜索算法。首先,在原始自适应步长布谷鸟搜索算法中,当上一代鸟窝位置为最优位置时,步长不再更新,则简单修正原有的步长让其更新;其次,将逐维更新评价策略引入修正后的自适应步长布谷鸟搜索算法。实验结果表明,该算法不仅平衡了全局寻优能力和寻优精度之间的矛盾而且具有较好的收敛速度。

基于有向图强连通改进变邻域搜索算法的AGV单向导向路径网络设计

为最小化物料搬运成本,结合有向图强连通性理论,提出一种改进变邻域搜索算法。首先,以最小化AGV的运载和空载成本为目标,建立相应的数学规划模型。接着,给出一种初始解生成方法,并构建目标函数计算的网络流模型。然后,为提高局部搜索能力,以有向图强连通性中反转路、反转圈保持强连通性为基础,提出3种邻域结构生成方法,以保证邻域解搜索过程中解的可行性,提高求解效率和质量。最后,针对6个基准案例,运用算法求解,并将其与其他多种启发式算法进行比较。实验结果表明,对于中小规模问题案例,算法求得案例的最优解;对于两个大规模案例,算法求得新的最好解,验证了提出算法的有效性。