随机动态装卸混合问题的分区求解策略

针对需求服从一般分布的随机动态装卸混合问题,提出一种求解该问题的分区求解策略,分析了需求稀少和需求密集情况下该策略的渐近性.仿真比较了需求服从一般分布情形下分区求解策略、随机队列中位策略、多车场随机队列中位策略和堆栈策略的求解效果,以及需求服从一般分布和需求服从均匀分布情形下分区求解策略的求解效果.结果表明,对于需求服从一般分布的随机动态装卸混合问题,分区求解策略是一种有效的求解策略.

随机动态多车辆装卸混合问题及求解策略研究

将随机动态装卸混合问题的车辆数由单车辆推广至多车辆,针对其中存在的排队现象,运用排队论推导出需求密集情况下期望系统时间的下界,提出了一种求解的堆栈策略,并推导出了堆栈策略期望系统时间的上界,分析了堆栈策略的渐近性.仿真结果表明,堆栈策略是一种适用于需求密集情况下随机动态多车辆装卸混合问题的求解策略.

需求稀少情况下随机动态装卸混合问题研究

针对随机动态装卸混合问题中存在的排队现象,运用排队论推导出需求稀少情况下随机动态装卸混合问题期望系统时间的下界;提出了一种实时优化策略——多车场随机队列中位策略;推导出需求稀少情况下,多车场随机队列中位策略和实际应用中广泛采用的随机队列中位策略的期望系统时间,并分析了期望系统时间的渐近性.模拟计算结果表明,需求稀少情况下,多车场随机队列中位策略明显优于随机队列中位策略;当服务强度趋于零时,多车场随机队列中位策略近似为最优策略.

装卸混合车辆路径问题的模拟退火算法研究

提出了更具一般性的装卸混合车辆路径问题,建立了该问题的基于直观描述的数学模型.通过设计一种新的解的表示方法构造了求解该问题的模拟退火算法,并进行了实验计算.计算结果表明,用设计的模拟退火算法求解装卸混合车辆路径问题,不仅可以取得很好的计算结果,而且计算效率较高,收敛速度较快,计算结果也较稳定.通过对双向配送策略与单向配送策略计算结果的比较,说明了采用双向配送策略求解装卸混合车辆路径问题对于配送企业节省配送车辆、减少配送里程,从而降低配送成本、提高经济效益的重要意义.

多车场一体化集货送货车辆路径问题的混合遗传算法

为满足电子商务客户多样化和个性化的需求,建立多车场一体化装卸混合车辆调度模型。针对模型的特点,采用混合遗传算法求解。即利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,加强染色体的局部搜索能力,提高了算法的收敛速度和搜索效率。仿真结果表明在解决大规模实际问题时,混合遗传算法在求解质量和计算效率上好于标准遗传算法。

多车场多车型装卸混合车辆路径问题研究

为满足电子商务客户多样化和个性化的需求,建立了多车场、多车型的装卸混合车辆调度模型,并使用混合遗传启发式算法求解.首先采用混合编码,使问题变得更简洁;利用个体数量控制选择策略,以保证群体的多样性;引入2-交换变异策略,并结合爬山算法,加强染色体的局部搜索能力.然后,对混合遗传算法求得的精英种群进行禁忌搜索,提高了搜索效率.最后,通过实例计算表明了上述模型和算法的有效性.