基于遗传算法的带时间窗约束车辆路径问题研究

在建立带时间窗约束物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法,并进行了实验计算.计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

基于微粒群算法的农产品物流配送路径优化研究

通过分析农产品物流配送的特点和对车辆调度的影响,对车辆数目不确定的带时间窗的车辆路径问题进行描述,建立起受成本影响、有时限的农产品物流配送路径优化模型,利用复合最优模型微粒群算法对该模型进行求解,并进行案例比较分析。文中所提出的农产品物流配送优化模型对降低农产品物流配送成本,提高农产品物流配送效率具有较好的实用价值。     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。     

TS算法视域下物流配送车辆优化调度问题研究

针对传统TS算法的全局寻优能力受限于初始解的质量的缺陷,提出了一种基于改进TS算法并采用C-W算法获得初始解来解决物流配送车辆优化调度问题。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种采用C-W算法来求初始解的方法,在此基础上定义了禁忌算法的禁忌表结构、禁忌长度以及领域的构造,从而定义了一种改进的TS算法。仿真实验证明该方法能有效地解决带时间窗的车辆调度问题,且与传统的TS算法相比,本方法在求解质量和寻优效率上有大幅提高。     

烟草物流配送路线问题的实例研究

烟草物流配送问题可以抽象为车辆路径问题（VRP）,本文根据烟草物流配送的特点,设计相应的用于解决带时间窗的VRP问题的遗传算法.将该算法应用于具体的烟草物流配送案例中,编程实现并测试分析.最终验证了该方法在解决实际的大规模复杂问题的优越性.     

TS算法视域下物流配送车辆优化调度问题研究

针对传统TS算法的全局寻优能力受限于初始解的质量的缺陷,提出了一种基于改进TS算法并采用C-W算法获得初始解来解决物流配送车辆优化调度问题.首先,定义了车辆调度问题的数学模型,在此基础上提出了一种采用C-W算法来求初始解的方法,在此基础上定义了禁忌算法的禁忌表结构、禁忌长度以及领域的构造,从而定义了一种改进的TS算法.仿真实验证明该方法能有效地解决带时间窗的车辆调度问题,且与传统的TS算法相比,本方法在求解质量和寻优效率上有大幅提高.     

养老服务中配送车辆路径问题研究

文章对社会上老龄化问题涉及到的养老服务工作中的特性化物流配送问题进行了简单分析,建立了相应的带软时间窗的车辆路径问题模型.简明介绍了PSO算法的原理,并利用标准PSO和改进PSO对模型进行了求解和比较,表明PSO算法能较快获得优化结果.     

基于混合微粒群算法的带时间窗的车辆路径问题研究

本文在基本微粒群算法（PSO）的位置更新中引入了模拟退火算法思想，并改进了模拟退火算法（SA）中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性，避免了基本PSO易于陷入局部最优的缺点，提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题（VRHTW），它可以有效地求得有时间窗车辆路径问题的优化解。     

以均衡为目标的车辆调度问题研究

针对物流配送企业私人承包车辆以及均衡配送线路工作量等新的物流管理理念,提出新的车辆调度模型,将车辆调度问题（VRP）转换为车辆选型和车辆路径优化两个子问题,设计Ak-FirstFit混合算法解决车辆选型问题,运用遗传算法解决车辆路径问题。基于JAVA编写计算机程序,运行结果表明该两阶段算法能够在有效时间内得到满意解。与基于传统物流管理理念的模型进行比较,得出新的两阶段模型能充分体现兼顾效率与公平思想的结论,其理念在物流配送企业中具有相当的借鉴性和推广前景。     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

区域物流中VRPTWSDP问题的混合遗传算法

研究了区域物流中带时间窗约束的具有同时集送货需求的车辆路径问题（VRPTWSDP）,给出了VRPTWSDP的混合整数规划模型,设计了求解VRPTWSDP的混合遗传算法（HybridGA,HGA）。算法以最优划分方法计算适应值,邻域搜索法作为变异算子,设计了新颖的交叉算子和群体更新策略,定义了群体多样性结构和变异概率的变化规律。对典型VRPTWSDP实例进行测试的结果表明：HGA算法能较快地获得小规模问题的最优解,并能有效地求解大规模的问题。     

基于3PL的汽车零部件循环取货路径研究

对汽车零部件入厂物流循环取货特点分析的基础上,建立了有硬时间窗和容量约束的车辆路径优化模型,并采用改进节约算法对该问题进行求解。通过算例验证,算法能获得满意解,且简明、操作性强。     

随机时变下带时间窗的取送货车辆路径问题优化研究

针对城市交通路网存在时变性和随机性的特点,文章研究了随机时变下带时间窗的取送货车辆路径问题,提出了随机时变车辆行驶时间的鲁棒优化方法,考虑车载限制和客户服务时间窗的约束,以总行驶时间最小化为目标,建立混合整数规划模型,并提出两阶段的混合遗传模拟退火算法。使用三行染色体编码方式、多段多点交叉算子和修复算子的遗传算法获得较优解,使用模拟退火算法进行优化,获得高质量的解决方案。最后,基于PDPTW标准数据集和STDPDPTW测试算例对文章所提出的算法进行了大量的数值实验,充分验证了模型及算法的有效性。     

基于时间度量的路径优化问题研究

本文将能够反映物流配送城市交通状况的时间指标和速度指标融合到经典的车辆路径优化模型中,以提高物流配送模型对实际配送环境的动态拟合。分别利用GAMSC算法和GAFVRPTW算法分别对经典的车辆路径优化模型进行仿真,结果表明:改进的物流配送模型能够根据实际交通状况更有效地解决物流配送问题。     

蚁群算法解决有时间窗的车辆优化调度问题研究

有时间窗的车辆路径问题（Vehicle Routing Problem With Time Windows，VRPTW）属于NP-Hard问题，严格的时间约束使VRFTW非常复杂。应用蚁群算法（Ant Colony Algorithm,ACA）思想来解决VRPTW。对已有蚁群算法解决车辆路径优化问题（VRP）的模型进行改进，对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过算例分析，将计算结果与遗传算法（GA）和粒子群算法（PSO）作了比较，对模型和算法的正确性、高效性、适用性进行了验证。实验结果表明，ACA可以快速、有效求得VRFTW的优化解，是求解VRFTW的一个较好方案。     

基于蚁群算法的配送路径规划研究

物流配送路径规划一直是物流领域研究的热点和难点问题,文章提出了一种基于蚁群算法的物流配送路径选择方法,从最优路线选择的角度,阐述了各种最优参数的选取,基于精英蚂蚁系统模拟的方法,找出算法约束参数最优解,并且应用到实例中进行验证,可为物流配送中心路径选择提供评估模型。     

一种改进的物流配送车辆调度启发式算法

针对物流配送中的车辆调度问题,提出了一种改进的启发式算法。该算法基于sweep算法和用于解决旅行商问题(TSP)的Cheapest Insertion算法,是一种二阶段算法。这种启发式算法首先使用sweep算法将所有顾客分派给运输车辆,然后对每辆车按照TSP的解决方法解决该车上的TSP问题。本算法比较有效的解决了有时间窗的车辆调度问题,可以用来构造某些业启发式算法的初始解。     

基于免疫—蚁群算法的应急物流配送网络优化研究

论文针对应急物流的配送车辆路径优化问题,建立以应急物流初期有限资源的分配达到整体的最优化（时间短、效率高、安全高、成本低）的多目标模型,结合模型的特点,利用免疫算法和蚁群算法相融合的启发式算法进行求解,最后进行算例分析,解决应急物流配送车辆路径选择的实际问题。     

物流配送路线优化问题研究

物流配送路径优化问题具有很高的计算复杂性,且无确定解,精确、高效的算法存在的可能性不大,但可采用启发式算法求得最近似的最优解,节约里程法是最有名的启发式算法.本文首先阐述物流配送路线优化概念,然后介绍节约里程法和多回路运输的基本原理.最后以节约里程法和多回路运输相结合的形式完成对郑州周边城市的配送路线优化,根据各种限制条件提出相对的最优配送路线.     

基于蚁群算法求解VRPTW路径规划问题研究

目前我国物流业迅速发展,但是同时伴有某些方面的不足,比如:成本控制不足。文章将联系实际情况,同时以配送车辆的运输总成本、总行驶距离和碳排放量为目标函数,并充分考虑实际出现的约束条件,再利用MATLAB软件运行带有时间窗的蚁群算法,对车辆配送路径进行仿真实验,最后寻找到最优配送路径以满足目标函数。通过实验表明,该数学模型和算法可以更好地解决物流配送路径选择的问题,以达到降低物流成本、提高物流效率等目的。