蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法。在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解。此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合。实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题。

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。

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%。

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%。

多车程多时间窗车辆路径问题研究

针对末端物流中配送车辆多趟次运输、客户对配送服务时间的多样化需求,研究多车程多时间窗车辆路径问题。构造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,设计改进的自适应大邻域搜索算法对其求解;构建了基于路径、车程及客户点3个层级上的多种高效的破坏算子和修复算子来扩大解的搜索空间;使用自适应策略选择高效的搜索算子,以及引入模拟退火新解接受准则避免陷入局部最优解来提高搜索效率。通过多种规模算例实验结果分析,验证了改进的自适应大邻域搜索算法的优越性,并分析了考虑多车程的模型对总运输成本的影响。

考虑多时间窗的多行程车辆路径优化问题研究

提出了考虑多时间窗的多行程车辆路径优化问题,是带时间窗的多行程车辆路径问题的扩展,不仅决策每辆车服务客户的顺序,还需确定为每个客户提供服务的时间窗,同时要求送货服务时间满足选定的时间窗,且车辆每个行程服务的客户需求量之和不超过车辆的最大载重量等约束。以最小化车辆总行驶时间为目标构建了该问题的混合整数规划模型,并设计了迭代局部搜索算法进行求解。在迭代局部搜索算法框架下设计了适用于多时间窗和多行程场景的改进Solomon贪婪插入算法生成初始解,还设计了Or-opt和Relocate局部搜索算子以及随机交换扰动操作。基于初始解或当前最优解,通过交替使用这两种算子进行迭代搜索,更新当前最优解。算例结果表明了提出的模型和算法的有效性,验证了为客户提供多时间窗选项承运人可灵活地规划车辆路径和选择服务时间窗,从而减少车辆使用数量和总行驶时间。

考虑弹性时间窗的电动车辆配送路径问题研究

电动车辆充电时间长和充电设施不足的问题严重影响了其在物流配送领域的有效推广。针对该问题,提出了换电模式下电动车辆配送路径问题。首先构建了包括车辆租赁成本、运输成本、惩罚成本和换电成本在内的物流运营成本最小化的数学模型,并使用弹性时间窗代替传统软时间窗;其次,应用改进的遗传算法对模型进行求解;得出最优的配送方案,验证了模型和算法的有效性,并与传统软时间窗下的优化结果进行对比,研究表明采用弹性时间窗可以有效降低物流运营成本。

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。

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略,以提高算法的性能。结果经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。

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。

考虑换线时间窗的地铁网络配送路径优化问题

目前,地面车辆配送难以满足日益增长的货运需求,地下物流将成为未来解决货运问题的有效方式。地铁作为现有的地下资源,可依托其开展地下货运配送。以货物在地铁网络中送达时间最短为目标,考虑地铁列车发出时间表、换线点选取、换线点时间窗等现实约束,构建考虑换线时间窗的地铁网络配送路径优化模型。将地铁站点间的运行时间和换线时间作为权重,引入换线时间窗限制,并设计改进Dijkstra算法求解该模型。文章基于武汉市地铁网络的算例验证了所提模型的可行性,该模型更贴合地铁网络的现实情况,且能有效地提高配送效率。

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。

改进天鹰算法求解时间依赖型车辆路径问题

针对速度时变的时间依赖型车辆路径问题,分析时间依赖型路网的行程时间计算方法,提出了一种改进天鹰优化(improved Aquila optimizer,IAO)算法。设计了一种天鹰位置-顾客序列(Aquila-customer,A-C)编解码方式,结合天鹰狩猎的拓展勘探、缩小勘探范围、扩大开发范围以及缩小开发范围四种搜捕猎物的方式,重新定义其智能寻优行为,引入自适应大规模邻域搜索策略,设计多种邻域破坏算子与修复算子,并在算法中加入劣解接受准则,提出循环启发式扰动机制与精英解扰动机制两种停滞扰动策略。Solomon基准算例对比实验以及基于Figliozzi测试算例与遗传算法、粒子群算法、蚁群算法的仿真对比实验均验证了IAO算法的优化性能,同时实际案例的实验结果充分证明了IAO算法在收敛速度与求解质量上的优越性,表明其具备求解时间依赖型车辆路径问题的应用价值。

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.

带时间窗的危险货物车辆路径问题2阶段优化

为有效降低危险货物道路运输的风险和成本,针对带时间窗的危险货物车辆路径问题(HMVRPTW),设计2阶段优化方法。首先,根据特征将该问题分解为双目标最短路径问题和带时间窗双目标车辆路径问题(VRP),分别建立数学模型并设计2阶段方法求解,第1阶段采用脉冲算法初筛路径,第2阶段设计针对带时间窗双目标VRP蚁群算法;然后,以9个节点和17条边的测试为例,说明求解过程;最后,以兰州市主城区16个加油站油品配送为例,采用该方法分配运输车辆,计算平均用时为2438 s,可获得Pareto最优解,而采用多目标遗传算法平均用时为41.05 s。结果表明:所提方法通过初筛路径能够简化问题规模,充分考虑危险货物运输风险变化及时间窗因素,引导蚂蚁在指定搜索空间中寻优,在效率方面较多目标遗传算法具有明显优势。

家电送装一体/送装分离混合模式下的车辆路径问题

结合送装分离模式的灵活性和配送效率,研究家电送装一体和送装分离模式相结合的车辆路径问题,以寻求兼顾客户服务体验和整体送装效率的最优送装路径方案。基于混合整数线性规划方法建立了以送装总成本最小化为目标、带软时间窗的家电送装路径优化模型,并根据模型特点针对性设计了改进的遗传算法进行求解,通过算例验证了所提模型和算法的有效性。最后,结合实例比较了上述混合送装模式相对于送装一体和送装分离模式的优化方案绩效,以期为家电送装路径优化提供辅助决策支持。

软时间窗下考虑冷链物流多温共配的电动汽车路径优化

为了解决冷链物流的城市配送路径优化问题,面向物流企业低成本、高效率的需求,提出了一种新的具有软时间窗的电动汽车多温共配路径优化模型.该模型基于蓄冷器与保温箱,使不同温层货物可以在普通电动汽车上同时配送,提高车辆利用率.提出一种改进的蚁群算法来求解,将两元素优化(2-optimization,2-opt)算法与蚁群算法相结合,提高算法的局部搜索能力.基于Solomon数据集进行算例分析,验证模型与算法的有效性.结果表明:相较于单温配送模式,多温共配可以减少配送成本、提升配送效率;随着时间窗宽度扩大,车辆数随之减少,配送成本呈减少趋势,当车辆数降到最少后,由于激励成本与货损成本持续下降,带动总成本缓慢下降.

“卡车+无人机”模式下带时间窗的取送货车辆路径问题

无人机由于成本低、速度快、直线飞行等优势被越来越多地用于物流配送。考虑到无人机的载货量小、续航能力有限等因素,针对“卡车+无人机”模式下的带时间窗的取送货车辆路径问题进行优化,建立了以最小化运输成本为目标的混合整数规划模型。设计了自适应大邻域搜索算法对其求解。在该算法中,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。通过算例求解验证了模型和算法的有效性,分析了卡车与无人机联合配送模式对路径成本的影响,为“卡车+无人机”模式的路径规划提供决策依据。