大数据条件下车辆路径动态优化仿真

车辆配送路径的高性能动态优化能够有效降低运输成本、提高顾客满意度,提出了一种基于免疫优化多态蚁群算法的动态车辆路径优化方法。该方法综合考虑运输成本和惩罚费用,构建了带时间窗的动态调度模型。采用多态蚁群算法进行模型求解,引入自适应竞争策略提高全局寻优能力,利用人工免疫算法改进路径搜索过程,提高了寻优精度与速度。仿真实验结果表明,该方法能够有效实现大数据条件下的车辆动态路径优化,较好地解决了寻优精度与速度问题。

考虑时空协同优先的城市应急车辆路径优化方法

目前城市应急救援车辆救援效能提升面临交通拥堵、交叉口延误、突发事故等诸多挑战。传统路径算法忽略了实际救援工作需求和路径选择偏好特征,无法很好满足快速高效、安全可靠的救援需求。针对这一问题,立足应急车辆与社会车辆在优先通行政策、车辆特性、优化目标、路径选择偏好等多特征差异,提出一种考虑时空协同优先的两阶段应急车辆救援路径动态优化方法。第1阶段,将用于求解静态K最短路径的Yen算法与城市路网时空动态性、高度随机性及不确定性等特征结合,增加基于层次聚类算法的路径安全风险约束与基于偏斜度指数等综合评价指标的可靠性约束,构建带有安全可靠性约束的动态K最短路径精确算法。第2阶段,结合车道数量、路段限速、路段长度等静态属性特征与拥堵延迟指数、路段平均车速等动态属性特征,求解在时空协同优先条件下的最佳救援路径。结果表明:与历史救援轨迹相比,考虑时空协同优先的两阶段城市应急车辆路径优化方法能够有效缩短城市应急车辆的救援响应时间,并提高应急车辆救援安全性与可靠性。因此,本方法面向实际救援工作,具有较好的应用前景。

基于记忆机制的动态交通路径优化算法

在对经典路径优化算法性能进行分析的基础上,指出了现有路径优化算法在大规模路网条件下实时性差的问题.通过比较道路交通网络路径优化和机器人寻路过程的异同点,基于智能机器人寻路的D^＊ Lite算法和记忆规则,提出一种新的道路网络动态路径优化算法,并对其性能进行了测试和对比分析.结果表明,该方法在保证路径优化结果相近的情况下可以减少优化计算时间26%～50%.

基于自适应免疫多态蚁群算法的云数据库动态路径优化研究

云数据库的分布性及动态性增加了云中路由预测与识别的难度,影响云计算效率。针对以上问题,提出一种基于自适应免疫分组多态蚁群算法的云数据库动态路径优化过程。通过设置侦察蚁和搜索蚁两种状态蚁群,并引入自适应多态蚁群竞争策略,改善一般蚁群算法易陷入局部最优解的缺陷;在此基础上进一步融合具有快速全局搜索能力的人工免疫算法对搜索蚁路径优化过程进行改进,提高搜索速度和精度。仿真实验表明,该算法能更好地解决收敛速度和全局最优问题,能够在云中快速、合理地找到所需访问的数据库。

多配送中心半开放式冷链物流配送路径优化

为了解决冷链物流服务的成本、质量以及运输产生的碳排放等问题,构建多中心半开放式冷链物流路径优化模型,并将各种动态变化融入该模型中。设计一种改进的NSGA-II算法并利用标准测试函数证实该算法具有较好的收敛性与多样性。通过算例实验,结果表明:与不考虑碳排放方案相比,考虑碳排放方案的配送成本增加了19.00%,运输距离减少了5.16%,碳排放成本降低了13.03%;与初始配送方案相比,实时优化方案的配送成本下降了29.78%,碳排放成本下降了23.19%,客户满意度增幅14.49%;与单配送中心模式相比,多配送中心模式的配送成本降低了27.30%,碳排放成本降低了48.89%,客户满意度提高了13.11%,从而为冷链物流企业带来一定的管理启示。

响应型接驳公交系统基于关键点的动态路径优化

针对目前接驳公交系统动态路径优化研究缺失的问题,提出了一种在动态需求、动态行程时间下响应型接驳公交基于关键点的动态路径优化方法;以乘客需求点和路网节点为关键点,提出了基于关键点的动态路径更新规则和更新过程;以系统总运营成本最小为目标构建了同时接送模式、单车型多车辆的响应型接驳公交在关键点处的路径优化模型,并设计了求解该模型的遗传算法。研究结果表明:本研究的方法能有效地获取在动态需求、动态行程时间下响应型接驳公交的动态最优路径;在相同路网条件、相同乘客需求下,同时包含乘客需求点、路网节点的关键点构成方式更适应动态路网、更有利于节省出行成本,同时接送模式能有效地减少发车次数、减少总运行时间、提升座位平均利用率;关键点构成方式和运营模式对动态最优路径、运营效率均有显著的影响。

基于时间窗的城市医药品动态配送路径优化模型与算法

由于城市医药客户需求的随机性和不确定性,需要对医药品进行动态配送路径的优化。以客户服务时间窗为约束,以降低药品配送费用及提高服务准时性为目标,建立配送路径初始优化模型与动态优化模型,并利用遗传算法进行求解。研究结果表明:遗传算法能迅速收敛到最优解,配送费用得到较大程度的节省,服务准时性得到较大提高,能较好地满足城市医药品动态配送路径优化问题的实时性要求,并且可以有效地解决城市医药品动态配送路径优化问题。

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。

动态需求条件下应急物流路径优化问题研究

在静态路径优化问题的基础上,本文引入了动态规划思想,将道路阻塞情况与受灾点需求信息不断更新等因素考虑进来,构建了动态需求条件下的应急物流路径优化模型。结合相关研究成果探讨了模型的求解思路,并利用改进的蚁群算法进行算例分析,得出了动态更新的优化路径,验证了模型的有效性。

面向随机因素的多式联运动态路径优化

针对随机因素影响下多式联运所表现的动态性和随机性,在引入惩罚因子控制运输质量的基础上,以总费用最小化为目标,建立了具有软时间窗约束的动态路径优化模型;运用基于Dijkstra算法的改进路径优化算法求解模型;设计了一个基于铁路、公路、航空及水运等4种运输方式的多式联运问题的算例,验证了模型的实用性和有效性。

溃坝洪水避洪转移动态路径优化方法

现阶段水库大坝安全管理应急预案中避洪转移路径划分采用时间短、距离近等原则,通常为静态路径,无法伴随溃坝洪水演进过程动态化。通过BREACH-MIKE21耦合模型进行溃坝洪水演进模拟,获取溃坝洪水淹没信息,接入路网模型构建环境情景模型。采用蚁群算法优化避洪转移路径,利用增加回溯算法、引入最大最小蚁群系统、改进启发式函数等手段改进算法,提升路径寻优能力和收敛速度;通过逐帧解析洪水淹没要素,将溃坝洪水信息融入算法中,最终得到最优避洪转移路径。仿真试验表明:(1)在同一淹没情景下,改进蚁群算法比基本蚁群算法平均运行时间增长1.6‰,准确率提高32%,收敛次数平均减少10.13次,收敛速度更快、寻优能力更强;(2)改进蚁群算法根据溃坝洪水演进优化得到的最优避洪动态路径比静态路径更安全。研究结果可满足水库大坝安全管理应急预案对避洪转移路径过程动态化的要求,提高应急转移效率,降低溃坝洪水产生的灾害影响。

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。

基于改进蚁群算法的血液保障车辆动态路径优化研究

目的 研究军队血站应急血液保障中血液保障车辆动态路径优化问题。方法 结合多种类血液保障、多路况血液运输等特点,考虑医疗救治点位需求、道路路况、车辆库存等动态变化,构建以总配送时间与时间窗惩罚成本之和最小为优化目标的血液保障车辆动态调度模型,并引入路径难易度因子ω、基于排序的信息素更新策略和2-opt局部搜索策略设计改进蚁群算法对模型求解。结果 算法对随机产生的15个医疗救治点的全血、悬浮红细胞和冰冻血浆静态需求数据和7个点位的动态需求数据测试性能表现突出,寻优精度高,收敛速度快,能有效应对不同血液配送需求的处理。结论 该模型和算法较好地满足了血液保障车辆实时优化配送描述和最优方案求解,能够为突发事件发生后血液资源快速机动靠前保障提供方法支撑。

考虑主动配电系统动态路径优化的分布式电源优化配置

分布式电源(Distributed Generation,DG)出力具有时变性和系统负荷功率不确定性。文章建立了考虑主动配电系统(Active Distribution System,ADS)动态路径优化的DG双层优化配置模型,利用改进的最优模糊C均值聚类方法优化ADS动态路径,并采用两层嵌套的改进粒子群与模拟退火融合优化搜索算法求解双层优化配置模型。在IEEE 33节点主动配电系统验证了文章优化模型与算法的有效性。

基于布尔可满足性的动态路径优化算法

在对现有的经典路径优化算法性能进行分析基础上,指出现有算法的缺点。通过对布尔可满足性理论的研究,提出基于布尔可满足性的路径优化算法,并结合记忆机制,将其应用在动态路径优化中,减少最短路径的搜索时间和不必要的重复搜索,体现该算法的优势。最后,利用该算法对一简单路网进行验证。

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。

基于自适应混合算法的智能存取系统动态路径规划

研究了药房智能存取系统拣选路径的动态规划问题,提出了该问题的数学模型,并设计了一种新的自适应混合粒子群遗传算法(Adaptive hybrid particle swarm algorithm)。该算法在粒子群遗传混合算法的基础上引入了动态调整和自适应进化的策略。在算法前期粒子群搜索阶段,建立了惯性权重系数、认知系数与收缩因子之间的联动关系,随着惯性权重的动态变化,认知系数与收缩因子也适时进行调整,提高了搜索效率和搜索精度。在算法的后期,采用了遗传算法的自适应交叉和变异的进化过程,对陷入局部最优的粒子群进行打散,使得每次迭代中都能最大限度的获取路径信息,使种群的搜索朝向解空间的不同区域发展。经过对某大型医院智能存取系统的路径规划仿真实验,验证了提出的算法相对于其他算法在求解速度和求解精度上都有较大的提高。

高铁站定制性灵活线路接驳巴士路径优化

立足综合运输,考虑高铁的速度优势和接驳车辆的机动灵活特点,建立高铁旅客出行需求灵活接驳运输模式。基于交通网络的动态性及乘客需求的定制性和动态性,以乘客成本、接驳巴士运营成本及乘客等待时间成本为目标,建立高铁站定制性灵活线路接驳巴士路径优化模型,并将该模型分为预排班和实时需求2个子模型。根据该模型的特点,采用改进的蚁群算法求解模型,并构造了一个虚拟的交通网络,验证了该模型及其算法的有效性。

基于遗传算法改进后的新常德动态交通路网分析

2013年来,常德政府实施了全城的三改四化工作,工作至今仍在继续,全城人民从当初的不理解不支持,到今天给予的高度肯定,足以说明了三改四化工作给常德城市建设带来了若干变化:城市变漂亮了,道路变开阔了,交通拥堵缓解了……阐述了三改四化后常德动态路网模型改进遗传算法的研究基础上,进行仿真实验分析,进一步探讨改进后的遗传算法在动态交通路网中的应用优化情况。

多目标生鲜电商联合配送车辆动态路径优化研究

在信息化技术以及高速网络逐渐完善的背景下,国内的电子商务环境得到了很大的改善。这篇文章主要研究的就是生鲜电商配送路径的相关问题。以介绍生鲜配上路径优化的重要作用作为切入点,详细阐述了生鲜配送车辆动态路径优化的具体方式。