混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

求解最小双连通支配集问题的变邻域禁忌搜索算法

针对经典NP难优化问题——最小双连通支配集问题,提出了一种元启发式求解算法——变邻域禁忌搜索算法。算法将原优化问题的求解转换为一系列判定问题——k双连通支配集问题的求解,使用两种邻域结构更加有效地覆盖解空间,同时使用扰动及禁忌机制帮助算法跳出局部最优陷阱。通过与现有文献中的精确算法、启发式算法在国际文献公开的38个双连通图算例上的实验对比,结果表明变邻域禁忌搜索算法能够有效求解最小双连通支配集问题,可求得所有公开算例的最优解,并且在稠密图中计算效率明显优先于其他算法。

基于遗传变邻域搜索算法的农机跨区调度优化研究

智慧农业的快速发展促使多区域互联农机的调度追求更高的实时性,为更合理配置农机资源,农机跨区作业已成为完成“三夏”机收任务的主要服务模式。基于小麦收获机跨区作业真实场景,研究了带时间窗的多库、多机型的农机跨区调度问题,同时考虑经济成本和环境成本,建立以最小调度成本为目标的跨区调度模型。根据问题特征,设计遗传变邻域搜索算法(Genetic algorithm variable neighborhood search,GAVNS),该方法通过交叉、随机扰动、自适应邻域选择等操作,使解的搜索更加高效和灵活。对我国黄淮海平原72个小麦生产区县的作业需求进行计算与分析:不同算法相比,本文设计的算法得到最优解的迭代次数更低、收敛速度更快,求得的目标函数值较遗传算法、变邻域搜索算法分别降低16.41%、11.15%;对比不同调度模式,开放路径模式更有利于提升跨区调度服务效率,较闭合路径模式,调度成本降低17.76%。

求解燃气轮机制造车间调度的混合和声搜索算法

燃气轮机生产属于典型的离散型制造,其多品种小批量的生产特点给车间作业调度带来挑战,导致企业生产效率低下,不能满足产品交货期。因和声搜索算法结构简单易操作,常用于解决此类作业车间调度问题。然而传统和声搜索算法收敛速度较慢,易陷入局部最优。本文构建以最小化最大完工时间为目标的燃气轮机制造车间调度数学模型,提出一种离散型改进多种群混合和声搜索算法进行求解。结合和声搜索算法与变邻域搜索算法的优点,采用基于工序的编码方式进行编码,在种群更新部分引入模拟退火的Metropolis接受准则,提高种群多样性;提出自适应的记忆库保留概率和音调调节率来调节参数,以提高算法的全局寻优能力;加入变邻域搜索以提高算法的收敛速度。通过性能测试及实例验证表明,相较于已有算法,所提算法具有更好的性能。

改进遗传算法搜索动态订单下车辆路径最优问题

滚动周期策略是当前学者利用优化算法解决动态车辆路径规划(dynamic vehicle routing planning,DVRP)问题的主要研究策略。预优化算法是基于遗传算法(genetic algorithm,GA)进行改进。GA易早熟和易陷入局部最优的特点,使解的质量往往不能达到最好。针对此问题,在GA算法上提出了贪婪重构策略进行改进。贪婪重构遗传算法(greedy reconstruction genetic algorithm,GRGA)随机剔除每条路径固定数量的客户点,利用贪婪重构策略依次将剔除点插入到各个路径,保留成本最低的解,摒弃了完全随机的策略原则,使解可以跳出局部最优。在每次迭代之后利用变邻域下降搜索算法(variable neighborhood descent,VND)进行深度搜索,完成一次迭代。最后进行三组测试,第一组是在统一平台上采用Solomon数据集测试算法效果,第二组是把预优化改进算法与对比算法得到的数据分别进行保存,利用控制变量法在动态调度周期使用一种动态调度优化算法,分别对每个预优化算法形成的初始路径进行调度,测试改进算法的有效性,第三组是采用实际案例测试预优化算法的效果。

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。

边缘匹配度算法与变邻域搜索结合的矩形件下料算法

研究了广泛存在于生产制造中的二维矩形件下料问题,提出一种边缘匹配度算法和变邻域搜索算法相结合的混合算法进行求解。首先,分析了一般最低水平线相关算法的缺陷,提出了一种边缘匹配度评价函数。下料时其可以对所有剩余的矩形件进行评价,从中选出与当前布局边缘重合最大的矩形件进行排放。其次,由于下料问题存在上位效应,提出一种与其相匹配的邻域结构,得到了一种适应下料问题的变邻域搜索算法,边缘匹配度算法通过与变邻域搜索算法结合来加强其搜索能力。最后,通过对已有文献的多个案例进行试验。实例证明提出的算法可以得到较好的排样结果,相较于其它算法提高了板材利用率1.16%~12.03%,具有较高的实用性。

基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.

接运公交网络设计的多目标优化模型及遗传变邻域搜索求解算法

为了使接运公交网络更好地为轨道交通车站集散客流服务,将其作为研究对象,提出了接运公交网络的优化方法.考虑接运公交网络服务的需求量与接运公交供给密切相关、接运公交发车时刻与轨道交通车辆到站时刻构成有序衔接,以接运公交服务的乘客量最大化、接运乘客平均成本最小化、运营成本最小化为优化目标,构建了接运公交网络的多目标优化模型.为求解模型,设计了利用产生式方法获得Pareto解集的遗传-变邻域搜索算法.将设计的遗传-变邻域搜索算法与遗传算法、精确算法分别进行比较,通过算例验证了模型与算法的有效性.

变邻域搜索算法综述

变邻域搜索算法(Variable Neighborhood Search,VNS)作为一种新的元启发式算法,已初步成功地用于解决优化问题,尤其是对于大规模组合优化问题效果良好。对VNS的扩展研究层出不穷,并将其成功地应用到旅行商问题、车辆路径问题、调度、图着色等问题中。简述了经典的元启发式算法,并依次论述了优化问题,VNS算法起源,VNS算法原理,VNS算法分析,扩展的VNS分析,VNS在初始解构造、邻域结构构造、局部搜索和停止准则几个方面的改进方法,针对不同版本的VNS归纳了其在各种优化问题应用情况。基于对改进的VNS的分类,从算法自身研究角度和实际应用角度提出了未来研究方向。

改进变邻域搜索算法求解动态车辆路径问题

针对动态车辆路径问题DVRP(Dynamic Vehicle Routing Problem)的优化问题,提出一种改进算法。该算法在分析路径寻优问题的局部特性的基础上,利用变邻域搜索算法VNS(Variable Neighbourhood Search)对路径空间进行"局部探索",结合变异机制对路径空间进行"全局开采",最后根据近邻优先原则将动态路径片段安插到适宜的路径中。实验结果验证了算法的有效性。

求解单行布局问题的一种变邻域搜索算法

设施布局问题对于企业内部的物流合理化起着重要作用,单行布局问题作为设施布局问题的一个典型特例,属NP-hard问题,常规方法难以精确求解。针对单行布局问题的复杂性,提出了一种改进的变邻域搜索算法进行求解。首先构建单行布局问题的数学模型,然后分析模型并构造一种有效的初始解;针对问题特征,设计了4种邻域结构,该邻域结构采用了从简单到复杂的推进搜索机制;改进了局部搜索算法并对邻域结构进行搜索;最后进行了实例验证,并与多种经典算法进行了对比,结果表明,所提变邻域搜索算法可在短时间内得到单行布局问题高质量的近优解。

求解护士排班问题的可变邻域搜索遗传算法

护士排班问题是一类多约束多陷阱问题,传统的计算方法和启发式算法往往很难找到其最优解。采用基于遗传算法GA和可变邻域搜索算法VNS的混合策略对护士排班问题进行了求解。其中,GA算法通过添加判断准则和控制策略来有效生成新的护士排班表,而VNS策略则实现初始化、约束条件下的杂交变异和解空间的分离等运算。最后,对20组基准护士排班问题进行了求解,并将求解结果与国际上近年提出的IP+VNS方法进行了比较,实验表明,在相同的计算时间内,GA+VNS算法的求解效果明显更优。

基于变邻域搜索算法的物流配送系统集成优化研究

本文针对物流配送系统集成优化问题,考虑取货和送货两种业务的配送情形下仓库和车辆的容量上限约束,构建包括仓库的开放成本、配送成本以及容量溢出成本的非线性混合整数优化模型,设计变邻域搜索启发式算法对模型进行求解。算法通过泰森多边形确定位置上的初始订单分配,再通过扫描半径及消费者数据结构标识实现邻域搜索,改进算法对解决方案进行迭代更新,完成优化求解。最后通过对辽宁宅急送取/送一体化物流配送案例进行数值分析,验证算法可行性和有效性。

面向柔性作业车间调度问题的改进变邻域搜索算法

针对柔性作业车间调度问题的特点,提出一种求解该问题的改进变邻域搜索算法。结合问题特点设计合理的编码方式,采用遗传算法进行最优解搜索,将搜索的结果作为变邻域搜索算法的初始解,以提高初始解的质量。为提高局部搜索能力,设计3种不同的邻域结构,构建邻域结构集以产生邻域解,保证邻域解的搜索过程中解的可行性以提高求解效率。针对一系列典型的柔性作业车间调度问题的实例,运用所设计的改进变邻域搜索算法进行测试求解,并将计算结果与文献中其他算法的测试结果进行比较,验证了所提出方法求解柔性作业车间调度问题的可行性和有效性。

解决无等待流水线调度问题的变邻域搜索算法

提出了解决无等待流水线调度问题的变邻域搜索调度算法。采用基于自然数编码的工件序列表达问题的解,采用多重Insert移动邻域和多重Swap移动邻域作为变邻域搜索的两种邻域结构。多重移动有利于算法向包含较优解的区域搜索,因而有较高的求解质量和效率。仿真实验证明了变邻域搜索算法的有效性。

用进化变邻域搜索算法求解闭合供应链选址问题

针对逆向物流依赖于物流网络的合理规划与设计,提出选址问题,通过分析闭合供应链规划设计中的选址定位,建立了相应的数学模型。模型中正向物流和逆向物流共享运输网络,把需求量作为随机变量处理,以供应链的总运营成本作为优化目标,为解决闭合供应链选址这个NP难题,提出了一种基于进化策略的变邻域搜索算法。通过设计基于多个算例的仿真试验表明:所建立数学模型和所提出算法是有效的。

遗传算法与变邻域搜索混合模型在护士排班中的应用

目的在探讨基于层级管理的护士APN排班模型的基础上,引入具有精确的全局搜索能力的遗传算法与变邻域搜索混合模型来解决护士排班过程中人员层级复杂、不同班次人员需求量不同等问题。方法首先,初始化排班表,然后利用遗传算法对初始化的排班表进行搜索,得到一个初步的排班表,最后利用变邻域搜索优化排班表,得到满足要求的排班表。结果使用该混合模型得到的排班表,能满足每日护士的人数需求和每名护士的工作量要求。同时,基于层级管理,各层级护士分开排班,能降低排班难度,在增加护士人员时,效率仍然较高。结论遗传算法与变邻域搜索的混合模型能解决护士排班中的各种复杂问题,是一种符合实际需求的模型。基于此模型来编制护士排班软件,能提升护理工作效率和满意度,便于对护理人员进行量化考核统计分析。