取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO_AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO_AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。

基于自适应变邻域搜索的大规模电动车辆路径优化

针对变邻域搜索后期出现的在某些邻域内长时间无法找到更优的可行解的情况,提出了一种基于邻域选择概率自适应的变邻域搜索算法。该算法能够自适应调整在某个邻域进行搜索的概率,进而提高优化效率。对城市配送中的大规模电动车辆路径问题进行了建模分析,根据客户的地理位置、时间窗等信息设计了高效的初始解生成算法。使用片段交换、2-opt、Relocation等邻域算子进行自适应变邻域搜索。最后使用不同规模的实际数据对算法进行仿真验证,相比于传统的变邻域搜索算法,本文算法能更有效地跳出局部最优解,降低物流成本。

基于聚类化自适应变邻域搜索的交通路径诱导算法

针对城市交通路径诱导受不同区域内交通流特点的影响;本文提出了一种基于聚类化自适应变邻域搜索(C-AVNS)的交通路径诱导算法;实现了在城市区域内快速地搜索出一条最佳的诱导路径方案。通过扬州市大中小型区域内聚类化自适应变邻域搜索算法与经典变邻域搜索(VNS-Basic)算法和变邻域禁忌搜索(VNS-Tabu)算法的诱导路径搜索实验的对比分析;证明了C-AVNS算法在搜索诱导路径上可以通过更短的时间获得更高质量的解。

基于自适应变邻域搜索算法的一类混合流水车间调度问题

混合流水车间调度是一类典型的生产调度问题,属于NP-难问题。传统的研究通常针对中间存储无限的情况,但是在实际生产中,相邻工序之间的存储一般是有限的。针对中间存储能力有限的混合流水车间调度问题,建立了该问题的混合整数规划模型,并提出了一个自适应变邻域搜索算法。在算法中,针对混合流水车间调度问题的特点,提出了基于工件顺序的编码及解码方法。针对传统邻域类型广域搜索能力不足的问题,提出了基于块删除与插入的大规模邻域搜索,并提出了邻域规模的自适应选择机制。基于随机测试问题的实验结果表明,所提出的自适应变邻域搜索算法具有较好的局域与广域搜索能力。

多目标双代理单机调度的变邻域搜索算法

针对实际生产中存在的带有恶化效应的多目标双代理单机调度问题,提出了一种基于Pareto最优的多目标变邻域搜索算法。为了提高算法的鲁棒性,与传统的变邻域算法使用固定的邻域顺序不同,在算法中设计了一种邻域类型的自适应选择机制。基于随机测试问题的实验结果表明,该算法的性能要优于当前文献中的一些典型的多目标优化算法。