单车场关联物流运输调度问题的混沌遗传算法

提出了关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)概念,建立了单车场单车型的IVRP模型,并用混沌遗传算法求解关联物流运输调度问题.混沌遗传算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究表明,该方法能有效地解决关联物流运输调度问题.

关联物流运输调度问题的改进遗传算法

针对多车场多车型软时间窗的带道路约束的关联物流运输调度问题,对传统的遗传算法进行改进,提出了一种融合了"尺度收缩"变异策略的混沌遗传算法。采用自适应调整交叉算子的策略,使杂交概率随进化过程渐变。最终提高了算法性能,有效地解决了此类问题。

基于匈牙利算法的物流运输调度问题研究

物流运输调度问题是一类求解难度较高的运输问题,在制定合理的调度方案时,实现物流运输成本最低以及物流企业利润最大是调度方案决策者迫切需要解决的问题。分析了物流运输调度问题的特点,建立了以物流运输成本最小为目标函数的物流运输调度模型,并使用匈牙利算法求解该模型,得到物流运输成本最低的调度方案,验证了模型的可行性和算法的有效性。

基于云计算的烟草物流运输调度系统设计与实现

融合云计算、物联网、大数据、GIS、GPS、视频感应器等信息传感与传输设备,研发一套基于云计算的烟草物流运输调度系统,以实现对烟草配送车辆的智能化识别、定位、跟踪、监控和管理,通过智能算法求解,对配送线路进行优化,形成提供综合服务的一种网络,确保烟草从储藏、运输、销售等全过程的整体控制,实现快捷运输、提高物流效率、加强监管。

求解多车场物流运输调度问题的改进萤火虫算法

针对现实生活中物流运输的大环境,建立多车场物流运输调度问题模型。针对萤火虫算法后期收敛速度慢,且容易陷入局部最优的特点,通过聚类算法和节约算法来构造初始解,以节省寻优时间;采用提取核心路径的方法,为后期优化提供便利;最后,采用3-opt策略进行局部优化,提高算法的局部优化能力,从而构造一种改进萤火虫算法。通过对2个车场,50个客户的问题模型进行仿真,结果表明了提出算法的稳定性和收敛速度优于遗传算法和禁忌搜索算法,证明了所提出算法具有一定的优越性。

求解多仓库流程生产物流运输调度问题的改进和声搜索算法

针对多仓库问题,首先使用聚类分析将多仓库问题转换为多个单仓库问题,并将人工鱼群算法的觅食行为引入和声搜索算法,同时采用自适应策略动态调整和声搜索算法的音调微调概率和音调微调带宽。仿真结果表明:相对于基本和声搜索算法及其他三种常见启发式算法,所设计的算法具有更好的收敛速度和收敛精度。

关联运输调度问题的蚁群算法

提出了改进的蚁群算法来对关联物流运输调度问题(Related Vehicle Routing Problem)求解。为了克服蚁群算法易陷入局部最优的缺陷,自适应地改变算法的挥发因子,在保证收敛速度的前提下提高解的全局性,最终提高了算法性能。实例证明该改进算法有效地解决了关联物流运输调度问题。

基于自适应遗传算法的关联运输调度问题

利用引入了混沌扰动的一种改进的自适应遗传算法来解决一类关联运输调度问题IVRP(IncidentVehicleRoutingProblem)模型。虽然M.Srinivas提出的自适应遗传算法既保护了最优个体又加快了较差个体的淘汰程度,但不容易跳出局部最优解,相邻进化代数间的参数缺乏连续性,所以,提出了一种新的自适应遗传算法,为避免近亲繁殖提出了改进策略,同时考虑到变异概率的大小可能导致破坏种群模式或减弱抑制早熟的能力,设计了相关的自适应变异概率。研究表明,该改进的算法在解决关联物流运输调度问题具有有效性和适用性。