带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

基于混合粒子发群算法的车辆路径化问题研究

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.     

基于Qpso算法的应急资源调度应用研究

以连续性消耗应急过程为背景,运用量子行为粒子群算法求解多目标的应急资源调度数学模型。考虑施救成本费用和因施救不及时造成损失的构造模型的目标函数。针对该模型的特点,设计量子粒子群算法求解方法和步骤,用数值算例验证了所建立模型的合理性及量子粒子群算法的可行性和有效性。     

基于量子粒子群算法求解供应链集成计划问题

随着全球化竞争的加剧和客户要求的不断提高、传统的生产管理方式使企业无法应对激烈竞争的挑战。量子粒子群算法是将量子计算理论和基本粒子群算法相结合的一种崭新的优化算法。将量子粒子群算法用于求解生产、采购集成决策问题。仿真结果证明了量子粒子群算法在供应链集成决策问题上的可行性、有效性和优越性。     

一种新型量子粒子群算法

本文提出一种基于量子的连续粒子群算法(Quantum Continuous Particle Swarm Optimization-QCPSO),使用量子比特编码粒子,模拟量子粒子坍塌的随机观察方法以生成种群,运用量子旋转门来产生新的种群,引入自适应变异算子保证种群多样性。性能测试表明,对于高维优化问题,本文提出的QCPSO比经典粒子群算法(PSO)和经典量子粒子群算法(AQPSO)具有更高的精度。     

基于量子粒子群算法的连杆机构的优化设计

粒子群算法是一种基于鸟群的智能优化方法,量子粒子群算法是对粒子群算法进行改进的算法,运算规则简单,收敛速度快,变量少,易于编程实现。对于多目标、多约束条件的四连杆机构优化设计,本文提出了一种基于量子粒子群算法求解的设计方法。经过仿真实践,能够有效求解,是求解四连杆机构优化问题的一个较好方案。     

基于量子微粒群算法的车辆路径问题研究

提出一种基于量子行为的微粒群智能优化算法。使用量子角表示量子比特的状态,并引入微粒群算法中,对量子群中的各量子角进行自适应动态调整．设计一种新的编码方式,用于求解车辆路径问题,通过计算表明,该算法是解决车辆路径问题的有效方法。     

基于QPSO算法的钢管混凝土构件的优化

钢管混凝土具有承载力高,韧性和塑性好以及施工方便等的优点,近些年在高层建筑中应用广泛。本文采用量子粒子群算法,将其应用到钢管混凝土结构构件的设计优化中,以满足梁柱的各项力学指标为约束条件,经济指标(最小)为目标函数,并与标准PSO算法和改进的GA算法的优化结果进行比较,结果表明在承载力符合设计要求的前提下,量子粒子群算法求得了更小的目标函数值,达到了梁柱构件造价最低的目的。     

基于混沌粒子群算法和连续潮流法的静态电压稳定分析

将混沌粒子群和连续潮流法的方法应用到静态电压稳定裕度最优值计算。该方法将控制变量作为粒子群的初值,由于粒子群算法面对的是连续对象,所以先将连续的粒子值离散化,然后作为初值引入粒子群算法中,提出了基于连续潮流算法的混沌粒子群算法求解最大静态稳定裕度。算例结果验证了模型的正确性及算法的有效性。     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

微粒群算法在自然灾害等引起的变化路径运输问题中的应用研究

"11.15"的上海特大火灾造成了巨大的人员与经济的损失。如果消防车辆能克服交通系统的不畅而更及时赶到的话,或许结果会不一样。因此如何将路径变化运输转化为车辆路径问题(Vehicle Routing Problem,VRP),并求解恰当的行车路径,对于城市应急以及日常的物流配送企业都有着重大的现实意义及经济价值。文中将微粒群算法(Particle Swarm Optimization,PSO)应用于车辆路径问题,建立车辆路径问题的微粒群算法的数学描述,编译出此问题的程序,并对一个实例进行仿真分析。     

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。     

装卸混合的软时间窗VRP问题混合算法研究

考虑了配送车辆在客户点会同时发生卸货和装货的情况,构建了装卸混合的软时间窗VRP模型,并通过遗传禁忌混合算法求解。通过实例说明,该混合遗传算法能很好地解决装卸货混合VRPTW问题,获得较好的优化效果。     

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。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

RSB-CWS算法解决CVRP问题

RSB-CWS算法结合了蒙特卡洛模拟和CWS节省算法,利用蒙特卡洛模拟对CWS算法节省列表中顾客对间的边进行模拟,模拟过程中采用基于类几何分布的直接抽样方法进行路径采样。对模拟得到的边序列应用CWS算法,所得解的质量能达到或者优于当前最优解.与其他CVRP问题算法相比具有高效、高质量的特点,且可以解决规模较大的CVRP问题。     

随机需求车辆路线问题研究

由现实生活中的不确定性因素引出需求随机的车辆路线问题,根据该问题随机性强的特点,设计了不断优化的求解方法。即首先用SFC和2-opt算法求解TSP以确定客户的访问顺序,并在车辆访问过程中不断对路线进行优化。最后,通过实例模拟验证该求解方法的可行性和适用性。     

基于二层规划的选址库存路径问题研究

针对一个生产基地,多个配送中心和多个零售商的供应链二级分销网络,根据物流配送决策的实际过程,利用二层规划方法建立了一个选址库存路径问题模型,其中上层规划为配送中心选址模型,下层规划表示客户选择最佳配送中心、库存及路径问题,设计了双层模拟退火算法求解该模型,最后利用不同问题规模的算例将该算法与标准的模拟退火算法进行对比,结果证实改进算法的有效性。     

Bi-objective decision support system for routing and scheduling of hazardous materials

This paper presents a Pareto-based bi-objective optimization of hazardous materials vehicle routing and scheduling problem with time windows and shows its application to a realistic hazardous material logistics instance. A meta-heuristic solution algorithm is also proposed, which returns a set of routing solutions that approximate the frontier of the Pareto optimal solutions based on total scheduled travel time and total risk of whole transportation process. It works in a single-step fashion simultaneously constructing the vehicle route and selecting the optimal paths connecting the routed locations from a set of non-dominated paths obtained in terms of travel time and risk value.