基于模拟退火遗传算法的有时间窗军械物资运输车辆路径问题研究

本文将模拟退火算法与遗传算法相结合用于解决有时间窗军械物资运输车辆路径问题,避免了传统遗传算法常见的早熟收敛问题.实验结果证明,该算法可以有效求得有时间窗军械物资运输车辆路径问题的优化解,增强了算法的全局收敛性.

带时间窗分车运输同时收发车辆路径问题及其启发式算法

本文结合汽车零部件第三方物流的实际背景,提出了带时间窗的可分车运输同时收发车辆路径问题(简称SVRPSPDTW),并给出了问题的数学模型,同时提出两个求解该问题的启发式算法,最后进行了数值试验。由于没有可以利用的算例,本文在Solomn测试基准库的基础上构建了针对新问题的算例。计算结果表明,所有算例计算时间均不超过1秒,且算法1无论是从车辆的使用数还是从车辆行驶的路径总长度上都明显优于算法2,从而说明算法1是寻找SVRPSPDTW问题初始可行解的较为有效的算法。

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上,建立了该问题的优化数学模型,并通过设置与发货点距离为零的虚拟集货点使问题简化.在此基础上,构造了求解问题的改进遗传算法.在算法中,结合问题的特点设计了确保个体编码有效性的OX交叉算子,并采用基于M etropolis判别准则的复制算子,确保个体多样性和避免算法过早收敛.算例表明算法有效可行.

带时间窗车辆路径问题的启发式遗传算法

为了在运输生产中按时间要求合理安排车辆路径,建立了带时间窗车辆路径问题数学模型,用启发式遗传算法进行求解。先构造染色体,产生初始群,再对其进行优化,根据个体生存能力的体现进行性能估计,并计算优化值。运用VisualBasic编写相应计算程序,设定迭代代数为100,运算次数为10次,对有时间窗限制的有1个中心仓库与8个分仓库的实际问题进行求解。模拟结果显示需要3辆车按照3条运输线路进行物流配送服务,总运行距离为483km,总运行时间为15.55h,车辆未出现闲置时间,且全部仓库得到及时服务。可见启发式遗传算法有效、可行。

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。

一种改进的种群增量学习算法求解带软时间窗的车辆路径优化问题

针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.

模糊环境下应急物资路径优化研究

对于不确定环境下的应急物资运输路径优化问题,使用模糊数来表示到达时间窗以及不确定需求量,同时将客户的满意度与到达时间相关联,考虑突发状态下路径存在风险,建立了以运输成本和运输风险最小的多目标模糊机会约束规划模型,并通过数学规划软件LINGO进行求解,算例结果表明该模型可以快速在突发状态下找出规定时间内成本及运输风险最小的路径。

基于运输安全的自适应多目标路径优化算法

为使运输距离最短和安全性最高,构建了一个双目标函数,提出了一种综合风险度量方法,设计了一种自适应随机多目标路径选择算法。在连续运输时间中,用综合风险度量方法来选择替换两节点间路径,用更新的成本矩阵求解该车辆路径问题。通过数据集测试5种不同K c和K d值的求解,结果表明:条件1与条件5相比,路径距离长26%,安全值高47.7%;从条件1到条件5,决策者冒险更多,安全值呈下降趋势,而距离是线性变化关系;当安全的权重K d从1减小到0时,安全值降低了47.6%,运输距离缩短了27.7%。

改进混合遗传算法在MTVRPTW中的建模与优化

重点讨论了城市物流背景下带时间窗和发货时间的多行程车辆路径问题。即物流车辆把货物送到位于城市郊区的仓库,在工作日内,货物不断被送达仓库后并进行最终的分配。介绍了和货物相关的发货时间的概念,提出了一种基于新的辅助分割过程的改进混合遗传算法来解决这个问题,在时间窗和发货时间的限制条件下,结合给出的一组实例,通过和相关文献中的多种路径优化算法等进行比较,仿真实验证明这种算法具有较高的效率。