有时间窗的车辆调度问题的网络启发式算法

本文对有时间窗的车辆调度问题进行了分析,提出了以网络优化为基础的启发式算法.算法中引入重载点,把求解有时间窗的调度问题转化为求解多个有确定开始时间的车辆调度问题.利用最小费用最大流算法求解有确定开始时间的车辆调度问题,再根据检验数来调整开始时间值.并用实例进行了验证.最后对算法的适用性及进一步应用进行了讨论.

改进混合粒子群算法求解带时间窗的无人机与车辆协同路径调度问题

为提高物流配送效率,考虑时间窗、无人机换电以及无人机多点连续配送等因素,提出了一种带时间窗的车辆与无人机协同配送问题,并设计一种带局部搜索的混合粒子群算法进行求解。该算法以混合粒子群算法为核心,通过构建高效的编解码策略实现了问题解空间到算法搜索空间的转换。进一步,该算法融合单点插入策略、车辆更换策略、无人机更换策略组成局部搜索策略,以此提高算法寻优能力。实验结果表明:所提模型比纯车辆配送的模型效率更高,节省了31.51%的成本;所提算法优于四种对比算法,优化率最高达到82.08%。

带时间窗的时间依赖型同时取送货车辆路径问题研究

针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于中国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验。结果表明:对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。

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。

基于时间地理学的带时间窗车辆路径问题建模

为实现火力高效机动分配,针对带时间窗车辆路径问题,引入时间地理学的概念,在二维平面的基础上增加时间作为第三维度,建立描述移动对象时空可达性的优化模型。对导弹防御这类时敏强的作战场景通过时空棱柱进行表达和分析,形成时空路径,进而配置作战资源,协同打击时序,为指挥控制中涉及的机动作战问题提供必要的决策支撑。

带时间窗的车辆路径问题的混合粒子群优化算法

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows,VRPTW),提出了一种混合粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行求解。所提出的算法设计了一种高效的编解码策略,以此搭建HPSO算法解空间到VRPTW解空间的桥梁。同时为了提高算法的寻优能力,设计了由单点插入策略以及双点交换策略组成的局部搜索策略。通过solomon-50标准数据集中的九个算例进行仿真实验,实验结果证明了所提出算法的寻优能力和稳定性均优于对比算法,最优解误差相较于对比算法最多降低了38.32%。

基于RPA与滚动时间窗的零售电商订单动态调度仿真

为了提高零售电商订单的整体交付效率,提出基于RPA与滚动时间窗的零售电商订单动态调度方法。在RPA机器人技术框架的应用层逻辑端中,通过基于滚动时间窗的订单调度优先级排序方法,将订单以滚动时间窗划分的方式,分解为多个订单调度任务,并执行订单优先级排序。将排序后订单作为零售电商订单拣选与配送车辆联合动态调度方法的调度对象,构建订单交付时间最小化、全部订单均被交付的订单动态调度目标函数。由改进共同进化遗传算法,从订单拣选、配送车辆联合动态调度的角度,求解满足条件的订单拣选与配送车辆联合动态调度方案。实验验证,此方法调度下,零售电商客户订单配送交付时,交付时间均靠近客户对订单产品期望时间窗下界,无订单遗漏问题,全部订单均被高效拣选、配送。

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。

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。

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。

学习型离散排超联赛算法求解带时间窗的绿色多车型两级车辆路径问题

针对现实中广泛存在的带时间窗的绿色多车型两级车辆路径问题(G2E-HVRP-TW),本文提出一种结合加权K-means算法(WKA)的学习型离散排超联赛算法(LDVPLA)进行求解.首先,根据该问题规模大、约束多的特点,采用WKA将原问题G2E-HVRP-TW分解为一个绿色多车型车辆路径子问题(GHVRP)和一组带时间窗的GHVRP(GHVRP-TW),从而实现两级问题间的部分解耦,以合理缩小搜索空间.然后,利用LDVPLA求解分解后的一系列子问题,并将各子问题的解合并后得到原问题的解. LDVPLA在竞赛阶段将标准排超联赛算法(VPLA)中实数个体更新操作替换为一系列排序操作,使其能够直接在问题离散解空间内执行基于VPLA机制的搜索,可提高搜索效率;在学习阶段构建三维概率矩阵模型合理学习并积累优质解信息,有利于驱动算法较快到达解空间中的优质解区域执行搜索;在淘汰阶段设计一种重启策略,可避免算法过早陷入局部最优.最后,通过在不同规模算例上的仿真实验和算法对比,验证了所提算法的有效性.

有时间窗约束非满载车辆调度问题的节约算法

车辆调度问题(Vehicle Routing Problem,简称为VRP)是物流配送中广泛存在的一类问题,VRP属于强NP问题.在建立了带有时间窗的非满载的VRP问题的数学模型基础上,对启发式算法中的节约算法进行改进,设计出带时间窗的非满载的VRP问题的节约算法.通过对8个客户和13个客户算例的具体计算结果分析该算法的性能,研究表明:节约算法具有易于计算机实现,易于调整,方法易行、效果理想等优点,但在客户规模增加,解的空间增加后,其解的精度也随之下降.

带时间窗车辆调度问题的启发式算法研究与应用

车辆调度问题(VRP)是物流配送系统的一个重要问题。通过对车辆调度问题进行分析,建立带有时间窗的非满载车辆调度的数学模型。将用于旅行商问题(TSP)的最近插入法加以改进,设计出了一种求解带时间窗的车辆调度问题的启发式算法,并用实例进行验证。实验结果表明该算法具有实现简单、易于调整、成本较低等优点。

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的 NP-难题 ,传统求解方法往往不能令人满意 .本文将货运量约束和时间窗约束转化为目标约束 ,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法 ,实验分析获得了较好的结果 .

有时间窗约束非满载车辆调度问题的遗传算法

利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题。针对非满载的VRP问题具有组间无序、组内有序的特性,采用一种有效的改进交叉算子,最大程度的保留了父代的优良特性并增强了算法的寻优能力,避免了早熟现象的发生,应用此方法分别对8个和13个客户有时间窗约束非满载车辆调度问题进行计算机仿真,得出了最优解,证明了本算法的优越性。

带时间窗动态车辆路径问题的优化调度策略

针对带时间窗动态车辆路径问题(DVRPTW),根据优化时间点的选取建立DVRPTW的一系列静态子模型,研究优化调度策略,分别是基于新顾客插入后的重复优化方法、批处理的方法或两者的混合。通过定义紧急顾客,提出一种新的紧急顾客插入和分批驱动调度策略,该策略只需实时插入紧急顾客,具有快速响应、计算负荷小和路径计划更新频率低的优点。仿真对比实验比较了4种策略的优劣,并探讨分批优化间隔长度对调度性能的影响。

带有时间窗的多配送中心车辆调度问题研究

在分析时间窗的惩罚函数基础上,建立了带有时间窗的多配送中心车辆调度模型,针对模型设计了两阶段求解算法,先通过扫描算法把客户化分到不同的配送中心负责配送,然后采用改进的遗传算法求解带有时间窗的单配送中心的车辆调度模型,最后,结合算例仿真计算验证了算法的有效性。

基于模糊时间窗的车辆调度问题研究

基于现实生活中配送企业车辆资源有限和顾客对服务时间要求并非完全刚性的特征,通过时间窗模糊化处理将顾客服务的满意度量化为配送服务开始时间的模糊隶属度函数。在一定满意度下,构建了基于模糊时间窗的车辆调度模型,根据模型的特点,改进了基于客户的染色体编码方式,设定了一种新的约束处理方法,避免了惩罚策略中选取惩罚因子的困难。在算法中用模糊优化程序处理问题的模糊特征,通过对顾客服务时间的局部调整来确定最佳服务时间。最终通过实例验证与原结果比较发现,引用模糊时间窗函数不仅可以降低配送成本,而且有利于节省运力资源。

大型机场地面服务车辆调度问题的研究

本文主要研究了我国影响飞机准点率的因素,通过研究发现提高机场地面服务车辆调度效率可提高飞机准点率,保证民航运输效率。通过分析时间窗因素、地面服务车辆类型、地面服务流程等对地面服务车辆调度的影响,建立了适用于解决机场地面服务车辆调度问题的模型。通过研究解决此问题的两种经典启发式算法,寻找提高算法运行效率的方法。