基于自适应大规模邻域搜索算法的两级车辆路径问题

两级车辆路径问题(2E-VRP)是在现代物流产业高速发展和运输网络的多极化背景下提出的,其中两级路径指的是从生产中心到中转站(一级),再从中转站到客户(二级),该问题的目标是使整个运输网络的路径最短,从而达到节约费用、节能减排的目的。对于这一问题,文章首先用经典节约算法构造了模型的初始解,然后通过自适应大规模邻域搜索算法对初始解进行改进,实验结果表明,该算法能够取得高质量的解,而且计算速度快,稳定性好。

基于萤火虫-变邻域搜索算法的含分布式电源配电网重构

为全面的反映含分布式电源配电网重构的问题,本文建立网系统网损、负荷均衡及电压质量协调最优的含分布式电源配电网重构优化模型,能够比较实际、科学的反映配电网网络结构调整问题。在此基础上,应用自适应权重系数法,明确各目标函数的权重组合方案,将含DG配电网多目标重构问题转换成单目标优化问题。鉴于传统萤火虫算法具有容易早熟、过度依赖控制参数的缺陷,提出了FA算法与变邻域搜索相结合的混合优化算法,并利用其对含分布式电源配电网重构模型进行求解,选取IEEE-33节点配电系统进行仿真,通过算例验证所提算法的良好实用性和适应性,并且验证所提模型的实际意义。

基于改进ALNS算法的离散制造车间物料配送路径优化研究

针对离散制造车间在多品种、小批量生产模式下面临的物料配送复杂性问题,提出了一种有效的路径优化方法。目标是通过创新的算法设计,实现物料配送的成本最小化,从而提高车间物料配送的效率,确保物料的及时供应,提高生产效率。为确保优化方法能够适应实际生产环境的需求,提高模型和实际环境的精确性和匹配性,构建了一个包括车间仓库、多个物料需求工位点、配送车辆及其载荷限制、时间窗要求等因素的离散制造车间配送模型,并考虑了车间内实际环境存在的路径约束,结合相邻工位间的实际距离,通过应用Floyd算法进行预处理,确保能够计算出所有最短路径。针对该数学模型设计相应破坏和修复算子,并运用了改进的自适应大领域搜索(ALNS)算法,通过破坏和修复过程有效地探索解空间,并利用模拟退火策略以避免陷入局部最优解。以某离散制造车间为例进行的实验验证,改进的ALNS算法展现了其在解决物料配送路径优化问题上的有效性和高效率,可以更好的减少配送成本和提高生产效率。

DropoutVNS:基于变领域搜索的dropout方法

为了揭示和改进标准的dropout,使用变领域搜索算法(Variable Neighborhood Search,VNS)的思想提出一种新的解释,将dropout看作是一种特殊的变领域搜索算法,训练不同的网络相当于在变化领域搜索最优解。同时提出一种新的正则化方法:dropoutVNS (Dropout Method Based On Variable Neighborhood Search)。DropoutVNS的核心思想是改变dropout切换网络的策略,将完全随机切换转变为稳定时再切换,以改善标准的dropout。在三个常用的图像实验集的实验结果表明,dropoutVNS可以减少训练时间,有效提高模型在图像分类上的预测准确率。

求解TSP问题的一种变领域遗传算法

本文针对遗传算法易于陷入局部最优等问题,提出一种基于变领域的改进遗传算法求解旅行商问题。变领域搜索算法包括抖动算法、2-opt、2-h-opt、3-opt算法,能够增强遗传算法局部搜索能力,改进遗传算法求解质量。数据实验结果证明,改进遗传算法在求解旅行商问题时的有效性,并可以广泛应用于物流运输等行业中。

改进遗传算法求解旅行商问题

针对传统遗传算法求解旅行商问题收敛速度慢且不稳定的问题,提出了一种改进遗传算法(Improved genetic algorithms,IGA)。通过邻域搜索算法对初始化种群进行优化;设计了一种自适应调节的交叉和变异概率;加入了Metropolis准则,以一定概率接受劣解,提高跳出局部最优的能力;加入了逆转操作加强局部搜索能力,加快种群收敛。利用Matlab将IGA和其他五种算法在TSPLIB数据库中进行试验,结果表明,该算法在中小型TSP问题上的收敛速度和求解精度都有一定的优势。

基于混合算法的具有硬时间窗口约束的VRPSPD问题

具有硬时间窗口约束下同时收发的车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery with hard time windows,VRPSPD with Hard TW)是将产品配送和废物回收统一进行优化的问题。本文研究了一个中心仓库,多台车辆向具有配送需求和回收需求的客户提供服务,客户存在硬时间窗口要求的车辆运输问题。该问题中,客户的配送需求和回收需求必须同时获得满足,即客户仅允许被访问一次,且需求不可分割,只能由一台车辆提供服务。且客户的硬时间窗口要求必须获得满足。首先将修正后的旅程分割方法应用于硬时间窗口约束下的VRPSPD问题初始解的获得,并利用响应性禁忌搜索算法框架,结合基于多种领域的可变式搜索方法,给出一启发式算法。计算机实验结果表明,该启发式算法在求解VRPSPD with hard TW上是有效的。

考虑满意度的团购两级混合冷链低碳路径优化

考虑当前社区团购生鲜品冷链运输过程中,因品质衰减导致顾客满意度降低,同时需求井喷造成运力不足的问题,提出一种基于众包模式的两级冷链协同优化配送策略,即由企业冷藏车完成城市仓至中转仓的一级冷链运输,由众包冷藏车完成由中转仓至团长的二级冷链运输,并以包含服务延迟成本、碳排放成本和固定成本的总成本最小,及团长对产品品质满意度最大为优化目标,建立一个带有众包的两级开闭混合冷链低碳路径规划模型。针对模型特点,构造了一种改进的自适应大领域搜索算法(improved adaptive large neighborhood search,IALNS),设计了新的破坏-修复解的策略,并在算子选择阶段加入模拟退火算法(simulated annealing,SA)的思想,以加快收敛速度,提高算法全局搜索能力。通过分别与自适应大领域算法(adaptive large neighborhood search,ALNS)、模拟退火算法、遗传算法(genetic algorithm,GA)、粒子群优化算法(particle swarm optimization,PSO)的算例优化结果对比,证明该算法的有效性。该策略兼顾企业利润和客户需求,对比在不同配送模式下的实验结果,验证了该模型在解决社区团购生鲜品冷链物流问题上有积极意义。

无人车辅助卡车配送路径优化研究

使用无人车进行物流配送具有降低配送成本、提高配送效率等优点,但无人车对周边智能交通设施和自动驾驶技术要求较高,再加上政策约束,现有L4级无人车只适合简单环境的应用。针对无人车的配送特点,本文研究具有车辆载重限制和无人车配送区域限制的无人车与有人驾驶卡车协同配送路径优化问题,建立了以耗费工作人员时间最少为目标的数学模型。设计自适应聚类领域搜索算法,首先采用k-means聚类算法结合插入操作生成初始解,其次运用自适应领域搜索算法对初始解进行改进,再使用算例证明算法的有效性,最后探讨非限制区客户比例对配送时间的影响,并证明多使用无人车可以减少配送的时间成本。

电商RMFS系统订单分配与路径规划联合优化方法

随着电子商务的蓬勃发展,海量客户需求和高频率、多品种、小批量的订单特性为订单拣选业务带来巨大挑战。在物流智能化的趋势下,大量电商企业采用移动机器人拣货系统(Robotic Mobile Fulfillment System,RMFS)进行订单拣选。订单分配和拣选路径规划是影响仓库订单拣选效率的关键决策。为了提高电商RMFS系统拣选效率,降低仓库运营成本,基于电商企业多订单、多货架、多拣选站下的拣选业务场景,以最小化机器人负载距离为目标,构建订单分配与路径规划联合优化模型,设计两阶段的A*算法和自适应大领域搜索算法(Adaptive Large Neighborhood Search,ALNS),在ALNS算法原有框架的基础上提出新的移除和修复算子以适应订单分配问题,并针对30个不同规模算例进行计算分析。计算结果表明,所提出的优化方法收敛快、性能稳定,能够有效缩短机器人行走距离,相比先到先拣选策略最大可缩短47.6%的机器人负载距离。同时,也可在更短时间内获得与CPLEX求解质量相近的解。尤其是当订单数量增长时,相比CPLEX具有突出时间优势,可以实现电商仓储资源的合理调度和配置,从而为电商企业仓储智能化提供有效决策指导。

基于深度视觉原理的液压支架护帮板收回姿态测量方法研究

为了解决液压支架护帮板在收回过程中的空间姿态测量问题,提出了一种基于深度视觉原理的多传感器融合护帮板空间姿态测量解决方案。该方案通过FAST算法提取特征点,采用领域搜索算法优化特征点,基于护帮板姿态解算模型采用深度相机和倾角传感器相融合的方式进行姿态解算。结果表明:特征点在经过模型优化后,准确度提升25%,液压支架护帮板偏航角的平均解算误差为0.68°,横滚角的平均解算误差为1.31°,俯仰角的平均解算误差为0.82°,护帮板空间姿态角度解算最大误差为1.91°,护帮板空间姿态角度解算最小误差为0.57°,满足井下护帮板姿态检测要求。该方法不易受到环境的干扰,便于获取护帮板在三维空间中的姿态,不但可用于液压支架护帮板空间姿态测量,而且在其他领域视觉测量技术中也具有较好的普适性。

基于ALNS改进的蜣螂优化算法求解带时间窗的车路径问题

针对带时间窗的车辆路径问题(Vehicle Routing Problems with Time Windows, VRPTW),提出一种混合大规模领域搜索的改进蜣螂优化算法(Improved Dung Beetle Optimization of ALNS, ALSN-IDBO)进行求解。本文主要的改进点为:1) 设计新的编码解码方式实现连续蜣螂位置向量向离散客户序列的转化;2) 对于蜣螂优化算法的初始化采用随机、贪婪、最邻近而策略;3) 在ALNS中设计了3个移除算子和3个重插算子;4) 在传统的DBO中针对繁育的蜣螂和小蜣螂分别改进为螺旋搜索策略和三角游走策略。通过在标准Solomon数据集的部分算例进行实验,将本文算法与GA、DBO、ALNS算法进行对比,实验结果表明,本文所提出的混合大规模领域搜索的改进蜣螂优化算法能找到更好的解,并且寻优能力和稳定性均优于对比算法。

节点密度的度量方法及其应用

应用随机分布的节点集进行函数逼近时,点的支撑域的大小对逼近的有效性及精度有很大影响.为研究移动最小二乘法中最优的支撑域半径,首先给出了一种全新的节点密度的概念,它不仅能刻画节点分布的疏密程度,而且其计算算法简单,也便于点的支撑域半径的选取;其次,基于节点密度的概念给出了搜索支撑域内节点的领域搜索算法,与通常使用的全域搜索算法相比,领域搜索算法提高了计算效率,节省了搜索节点需要的时间;最后给出算例,验证文中提出的计算点的支撑域半径算法的有效性.

一个应急管理问题及应用

在货物装卸管理问题中,货运车和仓库有下列相互制约关系:有n辆货运车在时刻0同时到达同一仓库装卸货物,并且都希望尽快地完成任务。但是假如某货运车的货物不能如期装卸完而延误了该车离开,或者货物提前装卸完而使该车提前投入运输,仓库需要重新安排一个装卸顺序使总费用最少。对这一类应急管理问题,文章给出了领域搜索算法设计和算例。

振荡函数的移动最小二乘逼近方法

移动最小二乘法在求解偏微分方程数值解中得到广泛使用,但是用等距节点逼近振荡函数时逼近精度不高,针对这一问题,用适应函数变化的非均匀节点离散求解区域,与之相适应,移动最小二乘法中权函数的支撑域半径也随节点密度变化,这里用基于领域搜索算法确定支撑域半径。数值算例表明,在移动最小二乘法中,用适应节点变化的节点集及基于领域的搜索算法确定支撑域半径能够有效减小逼近误差。