货物可分割的车辆路径规划问题

针对货物可再分这一特征,提出可分割的车辆路径规划问题(DCVRP:Divided Capacity Vehicle Routing Problem)。通过以货物为基本单位进行建模处理,并对出现规模爆炸的问题用全局优化的方式做出解答。对遗传算法做出step by step的策略改进,避免出现“早熟”问题,并对经典遗传算法步骤进行了有效的改进,提升了寻找最优解的概率,降低了整体的路径规划成本。

货物不相容车辆路径问题的优化

考虑现实生活中每个客户定制的货物不可用同一辆车混装,或者多个客户的货物不可混装的问题,建立了基于车辆载重、行驶里程、多种车型等约束条件的货物不相容的多车型车辆路径问题的数学模型,应用基于精英选择、混沌变异及模拟退火机制的混合遗传算法求解。将该算法应用到benchmark算例上,并与分支定界算法求解的结果比较,结果表明提出的算法优于分支定界算法。

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。

多车场与多车型车辆路径问题的多染色体遗传算法

针对目前多车场、多车型车辆路径问题存在的求解效率低和解的质量差等不足,建立了该问题的整数规划模型,提出了多染色体遗传算法,统一了多车场、多车型问题与传统单车场、单车型问题的求解算法。通过算例对多染色体遗传算法进行了实验,并将其与传统算法进行了对比分析。实验表明,该算法不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了算法的有效性和实用性。

多车型车辆路径问题的算法

总结目前求解多车型车辆路径问题的5种基于知识的算法,提出采用大旅程法和禁忌搜索法相结合的混合启发式算法,在搜索过程中通过增加惩罚因子的方法允许不可行解的存在,减少求解陷于局部优化的可能性。采用GENIUS算法处理其中的TSP问题,不仅能产生较好的解,而且通过对解的周期性的扰动,进一步减少求解陷于局部优化的可能性。

基于单车场多车型车辆路径问题的混合求解算法

为降低华北石油局大牛地气田采气过程中的车辆运输成本和车辆碳排放量,建立了单车场多车型车辆路径问题(SHVRP)数学模型,将扫描法、插入法、邻近法、两阶段法、遗传算法和蚁群算法等启发式算法作为求解SHVRP模型的基本算法,在分析算法原理、性能和适用环境等差异的基础上,提出了3种混合算法:混合启发式算法HHA(两阶段法+最远插入法+2-OPT)、混合遗传算法HGA(最邻近法+2-OPT+遗传算法)以及混合蚁群算法HACO(遗传算法+蚁群算法)。进而,列出了HA、HHA、GA、HGA、ACO、HACO等6种算法求解同一算例的10次运行结果的平均值,混合后算法的运行结果对比混合前算法的优势说明了混合算法的优越性。综合总配送成本、总碳排放量、配送车辆数和首次搜索到最优解的迭代数及计算时间等对3种混合算法进行比较,得出HACO最优,HGA次之,HHA最差。最后,将基于混合算法的智能运输方案与大牛地气田现有的基于经验法则的运输模式作对比,进一步说明了所提混合算法的可行性和有效性。

带货物权重的车辆路径问题及遗传算法

考虑一个分销中心、多个零售商组成的分销网络系统中具有柔性车辆能力的带货物权重的车辆路径问题.并根据车辆的满载情况采用了不同的运输策略,即单点运输和多点运输方式.在多点运输方式下,与以往诸多研究不同的是,文章建立了一种基于货物权重的VRP模型——WVRP,即在安排车辆线路时每个零售商的货物需求量也作为一个因素考虑,尽可能使车辆优先供货需求量较大的零售商.最后,针对问题的性质,开发了一种基于划分的遗传算法PB-GA对问题进行求解,并与一般遗传算法及常用的启发式算法进行了分析比较.

分散搜索算法求解带货物权重的车辆路径问题

研究了由一个分销中心、多个零售商组成的分销网络中运输单产品考虑货物权重的车辆路径问题(weighted vehicle routing problem,WVRP).问题的目标是设计合理的路线最小化由于行驶距离,运输载重量及使用车辆而产生的总费用.针对问题的特点,设计了求解WVRP问题的分散搜索算法(scatter search algo-rithm,SS),该算法基于客户进行编码,以基于最优划分过程的随机初始化作为多样性产生方法,通过对不同解包括的弧组合来生成新解,并用最近邻法对解进行改进.分别采用了随机数据与标准数据对算法进行测试,并与其他求解该问题的算法进行了比较,说明了算法的有效性.

基于划分的蚁群算法求解货物权重车辆路径问题

考虑单产品分销网络中的车辆路径问题(VRP:vehicle routing problem).与以往诸多研究不同的是,建立了一种带货物载重量的VRP模型(weighted VRP),即车辆在两个顾客之间行驶时的载重量也作为影响运输费用的一个因素考虑.因此,需求量较大的顾客拥有较高的车辆运输优先权.在分析了问题性质的基础上,提出一种基于划分策略的蚁群算法PMMAS求解货物权重车辆路径问题,并与其他常用的启发式算法进行比较分析,表明了算法的有效性.

求解多车型车辆路径问题的变邻域搜索算法

多车型车辆路径问题(FSMVRP)是车辆类型不同的车辆路径问题(VRP),基于变邻域搜索,提出一种启发式算法VNS_FSM求解FSMVRP。该算法设计了实现变邻域搜索中的"抖动"和局部优化过程的邻域结构组合,同时,还提出了一种新的车型调整策略。在通用的基准测试问题的实验验证了VNS_FSM算法的有效性,并给出问题G_07-G_12的正确解。实验结果表明,VNS_FSM算法能够获得大多数测试问题的已知最好解。与已有算法相比,VNS_FSM算法性能相当或更优。

多车型集配货一体化车辆路径问题研究

针对客户存在收货和发货双重需求的物流配送问题,讨论具有多种车型的集配货一体化车辆路径问题。在综合考虑各车型的固定成本和可变配送成本的前提下,以总成本最小为目标,以尽可能提高车辆满载率、减少出行次数为思路,构建多车型集配货一体化车辆路径优化模型。基于最小插入费用法设计初始可行解生成算法,通过引入基于概率的多算子邻域操作、最优解记忆装置、多准则终止原则对模拟退火算法进行改进,给出求解思路。设计算例并对多车型单/双向集配货模型的求解结果进行比较,以验证模型的实用性和算法的有效性。研究结果表明:使用改进后的模拟退火算法对构建的多车型集配货一体化车辆路径问题模型求解更直接简便,对多车型集配货一体化车辆路径优化后能有效降低配送成本。

带时间窗的多车型多费用车辆路径问题的模型和算法

创新性地考虑了多车型车辆路径问题中不同车型具有不同的边际费用和行驶费用的问题,并同时考虑车型与任务的相容性,对带时间窗约束的多车型多费用非满载车辆路径问题,以最小化总费用为目标建立了数学模型.由于该模型的NP-hard性质,基于高费用车型的边际费用和单位行驶费用比低费用车型的相应费用都要高以及低费用车型的边际费用远大于高费用车型的单位行驶费用的思想,对该模型设计了一个启发式算法.

改进的扫描法求解单车场多车型车辆路径问题

提出一种求解单车场多车型车辆路径问题(SHVRP)的改进扫描法,介绍了该算法的基本思想与实现过程,并用郑州煤电物资供销有限公司的SHVRP验证了该算法的有效性。

多车场带货物权重车辆路径问题邻域搜索算法

带货物权重车辆路径规划问题(weighted vehicle routing problem,WVRP)将车辆载重和行驶距离引入目标函数,在生鲜食品和危险品运输以及应急物资配送中有重要意义.在WVRP的基础上,提出了多车场带货物权重车辆路径规划问题(multi-depot weighted vehicle routing problem,MDWVRP),建立了该问题的数学模型,设计了一种简单高效的多起点迭代式邻域搜索算法(multi-start iterated local search,MSILS).为避免搜索过程陷入局部最优,MSILS引入了扰动机制.基于33个公开标准案例对MSILS算法进行了测试.通过与已有文献中的方法进行比较,从求解质量,运行时间和稳定性等三个维度验证MSILS算法的优势.

基于标签算法的异车型混合集送多属性车辆路径问题研究

文章对异车型混合集送的辆路径问题(Vehicle Routing Problem with heterogeneous fleet,backhaul and mixed-load,VRPHBM)进行研究,提出了一种基于多属性标签的蚁群系统算法(Multi-Label based Ant Colony System简称MLACS)。该算法利用面向对象理念,分别对客户、车辆及其行驶路径构建多属性标签,再通过蚁群算法的搜索规则对客户和车辆标签进行匹配,从而得出满意的车辆行驶路径。通过Solomon标准及其扩展算例和实际案例的验证表明,MLACS具有快速、灵活和稳定等特点,能够很好地解决VRPTW、VRPHBM以及多限制条件的实际应用问题。与本文列出的研究同类型问题文献的其他几种算法相比,MLACS算法在运算时间以及计算结果上明显具有优势,是求解该类问题的有效算法。

考虑冷链-常温货品混合配送的路径优化问题

针对冷链-常温货物混合配送问题,建立了以总配送成本最小为目标的车辆路径优化模型,模型综合考虑了区域客户拥挤度,多车型,多服务时间窗的现实情况.提出了带有两种邻居解评价机制的禁忌搜索算法对问题进行求解,机制1综合解的各个指标为其设置了一个目标值向量,机制2则在目标值向量上增加了一个惩罚目标值.实验结果表明,禁忌搜索+机制2的优化效果最好,冷链混合配送模式能有效降低配送总成本.提出的模型和算法对于电商企业构建更低成本更高质量的新型冷链混合配送网络有一定指导作用.

车辆数限制的多车型校车路径问题模型及算法研究

为适应校车路径规划中校车有多种车型且每种车型数量受限的需求,建立车辆数限制的多车型校车路径问题(HFSBRP)的数学模型,并提出一种迭代局部搜索算法进行求解。该算法借助邻域随机选择的变邻域下降搜索(VND)算法完成局部提升。局部提升过程中,首先调整车型,然后再混合使用缩减路径数和提高车辆利用率的邻域解接受策略以提高算法的寻优能力,为保证解的多样性,允许接受一定偏差范围内的邻域解。此外,为避免算法过早陷入局部最优,设计了多点交换和移动的扰动规则。基于国际基准测试案例进行模型验证和算法测试,实验结果表明了模型的正确性和算法的有效性。

易腐货物配送中时变车辆路径问题的优化算法

以易腐货物配送中的时变车辆路径问题为研究对象.由于时变车辆路径问题中每条道路上的车辆行驶速度随时间变化,此类问题难以用传统的数学建模方法进行建模及实现优化求解.因此,提出应用计算机建模的方法建立此类时变车辆路径问题的仿真模型.在此基础上,设计并集成遗传算法于计算机仿真模型用于搜索问题的最优解,所提出的自适应性优化算法能够根据来自车辆驾驶员回传的实时数据动态调整后续的最优行驶路线.最后,在多智能体建模与仿真平台上实现了该算法,并以15个顾客的时变车辆路径问题为例验证了算法的有效性.

带有外包数量折扣的多车型车辆路径问题探讨

文章针对带有外包数量折扣的多车型车辆路径问题((FSMVRPQD)),以车队和客户两方的可变成本与外包成本之和的最小化为目标,建立非线性数学规划模型,设计基于最短路径编码的进化算法进行求解。通过数据统计的实验分析发现,总成本表示的适应度随着变异概率和种群规模的增大总体呈下降趋势;种群规模在增强寻优能力的同时,以运行时间为代价;其它参数对实验结果没有显著影响。以此为依据,设置算法的最佳参数配置,比较和分析实验结果确定最终配送方案。