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。

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.

求解带硬时间窗车辆路径问题的改进UMDA算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边缘分布算法(hybrid UDMA,h UDMA),改进了基本UMDA的概率模型.统计节点按路径分布的概率,使其能够在解空间上找到节点—路径的分布关系,提高了UMDA的全局搜索能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群进化来获取最优解.计算Solomon 100客户的6类问题56个算例的实验结果表明:在最优解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与已知最优解比较接近,平均误差率为1.03%.

求解带时间窗车辆路径问题的动态混合蚁群优化算法

为求解带时间窗车辆路径问题,针对传统蚂蚁遗传混合算法中参数静态设置、冗余迭代及收敛速度慢等缺点,提出一种动态混合蚁群优化算法(DHACO).该算法首先借助最大最小蚁群得到初始解,利用蚁群优化算法求解带时间窗车辆路径问题的基本可行解.然后采用遗传算法交叉和变异操作对局部解和全局最优解进行二次优化,从而得到最优解.最后利用蚂蚁遗传混合算法融合策略,动态交叉调用蚂蚁算法、遗传算法,根据云关联规则自适应控制蚁群算法参数.DHACO有效减少无效迭代次数,加快收敛速度.仿真结果表明,与其他相关的启发式算法相比,DHACO优于某些实例的已知最优解.

基于有时间窗车辆路径问题的混合蚁群算法

有时间窗的车辆路径问题是目前组合优化领域研究的热点问题,其归属于NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合蚁群算法。该算法通过在蚁群算法中引入λ-interchange变异算子,增强了算法的局部搜索能力,避免了早熟现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。

求解带时间窗车辆路径问题的改进粒子群算法

通过分析已有粒子群算法对有时间窗约束的车辆路径问题求解质量不高的原因,提出了一种基于粒子交换原理的整数粒子更新方法。采用构造的双层粒子进化算法分别对8个和20个任务点的有时间窗约束的车辆路径问题求解,数值实验结果表明算法的求解精度和耗时均优于已有算法。

基于Memetic算法的带时间窗车辆路径问题研究

提出一种模拟文化进化的Memetic算法求解带时间窗的车辆路径问题。设计了一种实数编码方案,将离散的问题转为连续优化问题。采用邻域搜索帮助具备一定学习能力的个体提高寻优速度;采用禁忌搜索帮助部分个体跳出局部最优点,增强全局寻优性能。实验结果表明,该算法可以更有效地求出优化解,是带时间窗车辆路径问题的一种有效求解算法。

有时间窗车辆路径问题的捕食搜索算法

有时间窗车辆路径问题是当前物流配送系统研究中的热点问题,该问题具有NP难性质,难以求得最优解或满意解.在建立有时间窗车辆路径问题数学模型的基础上,设计了一种模仿动物捕食策略的捕食搜索算法.该算法利用控制搜索空间的限制大小来实现算法的局域搜索和全局搜索,具有良好的局部集中搜索和跳出局部最优的能力.通过实例计算,并与相关启发式算法比较,取得了满意的结果.

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。

带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题。通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能。通过计算若干benchmark问题,验证了模型的有效性。

带时间窗车辆路径问题的混合改进型蚂蚁算法

带时间窗车辆路径问题(VRPTW)是VRP的一种重要扩展类型,在蚂蚁算法思想基础上,设计用于求解该问题的混合改进型算法并求解Solomon标准数据库中的大量实例。经过大量数据测试并与其他启发式算法所得结果进行比较,获得了较好的效果。

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。

动态蚁群算法在带时间窗车辆路径问题中的应用

蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后,已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题,设计了一种动态蚁群算法,从数值计算上探索了这种新型蚁群算法的优化能力,获得了满意的效果。

一种求解带时间窗车辆路径问题的混合差分进化算法

对带时间窗的车辆路径问题进行研究,建立以最小化车辆数量和行驶路程为目标的多目标数学模型,提出一种结合改进差分进化算法和变邻域下降搜索的基于Pareto支配的混合差分进化算法。首先重新定义了个体的生成方式。其次,结合双种群策略和变邻域下降搜索技术来平衡算法的全局探索能力和局部开发能力,并在搜索过程中用随机个体替代种群中的重复个体,维持种群的多样性。然后引入Pareto支配的概念来评价个体的优劣性,并采用擂台法则构造非支配解集。最后对18个不同规模的Solomon算例的求解结果表明,算法在行驶路程和车辆数量上的求解质量比人工蜂群算法分别平均提高了2.04%和14.95%,且与已知最优解相比,在车辆数量的求解质量上平均提高了14.53%,验证了所提算法的有效性。

带时间窗车辆路径问题的分布式多agent蚁群算法

针对带时间窗车辆路径问题(VRPTW)算法在求解效率、求解复杂度、求解大规模问题方面存在的不足,提出一种改进的分布式多agent蚁群算法,以提高算法精度和速度为研究目的。本算法在传统蚁群算法的基础上,为提高算法精度,改进了状态转移规则,结合了邻域搜索算法;为提高算法速度,将本算法设计为分布式结构,利用多分布式agent系统实现了分布式求解VRPTW问题。针对国际标准算例设计了四个实验,结果表明,本算法在精度、速度、可靠性以及求解大规模问题方面具有明显优势。本研究为有效求解大规模、复杂VRPTW问题提供了一种新思路和可行的方法。

分批配送的有时间窗车辆路径问题的遗传算法

给出了分批配送的有时间窗车辆路径问题(BVRPTM)的数学模型。通过引入改进的路径可行化方法和MRC交叉算子,构造了一种适于求解BVRPTM的遗传算法。实验结果表明,该算法能有效地解决BVRPTM,并取得了较好的优化结果。

带时间窗车辆路径问题的最优解

带时间窗的车辆调度问题是物流配送系统的关键之关键,对它的研究越来越重视。本文将建立物流管理中的带时间窗车辆路径问题的模型,并得到此模型的最优解,有一定的实用意义。

基于改进遗传算法的带时间窗车辆路径问题研究

该文以最小化配送时间为目标,研究带时间窗的车辆路径问题,建立整数规划模型。为了加快遗传算法的收敛速度和寻优能力,提出一种改进遗法算法IGALS(Improved Genetic Algorithm with Local Search)。改进算法借用精英保留策略,采用点交叉和段交叉算子结合的交叉算子;提出路段允许延迟时间概念,并以此为依据使用局部搜索策略进一步提高解的质量。通过Solomon标准算例测试,验证了改进算法(IGALS)较简单遗传算法(GA)具有更好的全局寻优能力和更快的收敛速度。

求解带时间窗车辆路径问题的混合Memetic算法

为提高带时间窗车辆路径问题的求解精度和求解效率,设计了一种混合Memetic算法。采用基于时间窗升序排列的混合插入法构造初始种群,提高解质量的同时兼顾多样性,扩大搜索空间;任意选择组成父代种群,以维持搜索空间;运用简化的变邻域搜索进行局部开发,引入邻域半径减少策略提高开发效率,约束放松机制开放局部空间;以弧为对象,增加种群向当前最优解和全局最优解的后学习过程。实验结果表明,所提出的算法具有较好的寻优精度和稳定性,能搜索到更好的路径长度结果,更新了现有研究在最短路径长度的目标函数上的下限。