智能优化算法求解车辆路径问题的对比分析

利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法，粒子群算法和模拟退火算法的算法原理和求解流程，选用了Solomon数据集的三种不同客户规模，通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意；模拟退火算法在中小规模时算法求得最优解能力更好，蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。     

差异演化算法求解集合划分问题

集合划分问题是组合优化中典型的NP难题,建立了集合划分问题模型,采用差异演化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解集合划分问题的可行性和有效性。     

单亲遗传算法在TSP问题中的应用

基于单亲遗传算法的思想,编写了求解TSP问题的程序,给出了数值算例,并与遗传算法及蚁群算法在TSP问题的求解效率上进行了比较。结果表明,单亲遗传算法是求解TSP等组合优化问题的非常有效的算法。     

基于模拟退火算法的混流生产线投产排序研究

建立了混流生产线投产排序数学模型,并运用解大规模组合优化问题,特别是NP组合优化问题的有效近似算法--模拟退火算法对该问题进行求解。通过算例比对,该方法在求解质量上优于目标追迹算法,从而证明模拟退火算法是一种能够有效解决混流生产线投产排序问题的新方法。     

用混合蚁群算法求解多工序订单生产计划

多工序订单生产排序问题,是一类典型的组合优化问题。采用混合蚁群算法,对一种多工序订单模型进行建模求解,并给出了详细的算法步骤。通过用不同数量的订单、工序组合的数据进行模拟计算与结果比较,证明了混合蚁群算法在求解此类的问题的有效性以及良好的鲁棒性。     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

配送中心车辆调度模型及遗传算法设计

针对物流配送中心车辆调度问题,采用混合整数规划方法进行建模。对实际问题进行研兖分析后,基于所研究问题的特点,提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较,获得最佳参数组合．建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验．验证了算法的有效性。     

基于模拟退火算法的应急系统选址优化

考虑时间、协作性、安全可靠性和成本等因素,给出了应急系统选址问题的模型,并利用模拟退火算法进行求解。通过实例计算,确定应急系统选址的最佳组合方案,表明了模拟退火算法求解此类问题的有效性。     

基于直送的两阶段混合调度模型的模拟退火算法研究

研究基于直送的两阶段混合调度模型的模拟退火算法,其目标函数是最小化作业时间.首先,基于问题特征,提出求解该类问题的模拟退火算法;其次,通过数值实验对算法参数进行优化分析,从而给出模拟退火算法的较优参数组合;最后,数值测试进一步表明所给出的优化模拟退火算法的计算有效性.     

基于模拟退火算法的应急系统选址优化

考虑时间、协作性、安全可靠性和成本等因素,给出了应急系统选址问题的模型,并利用模拟退火算法进行求解.通过实例计算,确定应急系统选址的最佳组合方案,表明了模拟退火算法求解此类问题的有效性.     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于改进遗传算法的多式联运路径优化研究

文中以荣森物流公司为研究背景,针对多运输方式多路径问题,提出一种改进的遗传算法,可同时解决运输方式的选择和路径的规划问题。通过建立多式联运路径优化模型,采用多参数编码方式,从而解决该类问题,同时为多式联运的相关决策和组织提供参考依据。     

基于IK-MD-SA聚类算法的电力数据审计疑点研究

为解决电力行业海量非结构化数据导致审计疑点数据效率、准确性低的难题,本文提出了一种基于迭代IK-MD-SA聚类电力大数据审计疑点算法。首先运用相异性度量算法通过构造相异性矩阵和计算均值相异性改进K-means聚类算法选择初始聚类中心,并将簇均值替换为簇中位数完成后续聚类中心迭代,以消离群点影响聚类结果的准确性。然后利用改进的蜂群算法对聚类结果进行优化,使其保证高运行效率的前提下聚类结果仍具有较高准确性。最后,通过离散性电力数据进行识别潜在疑点试验,验证了所提算法的可行性和有效性。     

基于协PSO算法的物流配送中心选址研究

针对多目标物流配送中心选址问题,建立选址模型,并设计离散协粒子群算法,最后利用该算法进行了实例研究,结果表明该算法是有效、可行的。     

MIMO系统中的数据检测

BLAST提议在MIMO信道中获取更高的频谱利用率,大部分BLAST算法的研究结果认为,在接收端存在时空的白躁声和干扰。现研究在空间和时间都存在干扰的情况下一个MIMO系统的信道估计和数据检测。得到最大似然信道估计和空间干扰相关矩阵。通过利用已知的时间干扰相关特性,按照最小均方误差准则扩展一个时槽（无效的检测）到对多时槽版本。在独立的瑞利衰落信道下估计MIMO系统中未编码的QPSK的误码率。     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

Using announcement options in the bid construction phase for disaster relief procurement

This paper presents an analysis of the bid construction phase of procurement auctions in disaster relief and humanitarian logistics. Substitution and partial fulfillment options are presented in formulations to allow bidders with fewer inventories to offer substitute item types and partial bids in auctions. During the auction announcement phase, a coordinating platform for disaster locations (i.e., auctioneer) allows substitution and partial fulfillment options to the relief suppliers (i.e., bidders) when acceptable. Thus, suppliers with fewer inventories can offer substitute item types and participate in more auctions by partially bidding. A genetic algorithm, a simulated annealing algorithm and an integer program are used for the analysis of the bid construction phase with different announcement options. Heuristic solution techniques and an IP formulation help understand the dynamics of the bid construction problem. It is shown that the addition of substitution and partial fulfillment options is essential to diversify and increase the usable capacity of the supplier base. Additionally, the partial fulfillment option enables better usage of supplier inventories in an environment with scarce supplies.     

一种求解装箱问题的混合算法

针对一维装箱问题,在考虑遗传算法早熟收敛问题和禁忌搜索算法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的装箱优化算法,与简单遗传算法相比,该算法具有更好的收敛性能。最后通过实例验证了算法的有效性。