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。     

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。     

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.     

基于改进蚁群算法的时间窗约束下物流配送车辆路径优化研究

物流配送车辆路径优化作为一个涉及多影响因素、多目标需求的组合优化问题,其中带时间窗约束的物流配送车辆路径优化问题更是一个NP难题,较难得到最优解。文章分析带时间窗约束的车辆路径问题并建立相应数学模型,提出将变异和动态信息更新的改进蚁群算法应用于解决这类优化问题,同时仿真实验结果表明该算法能快速收敛于全局最优解,能有效地解决有时间窗约束下的物流配送车辆路径优化问题。     

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。     

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。     

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。     

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。     

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。     

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.     

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。     

基于粒子群算法的汽车扭杆悬架弹簧优化

为提高粒子群算法(Particle Swarm Optimization,PSO)寻优的全局性能,文章在基本粒子群算法中引入混沌理论(Chaos)的Logistic映射,并将改进后的算法运用到汽车扭杆悬架弹簧的优化设计中。数值实验的结果表明,与传统PSO算法相比,改进后的算法具有更强的全局收敛性,与传统设计方法相比,使用本文算法设计出的汽车扭杆弹簧的变形势能要高出1.6%,有效地提高了其避振效果。     

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。     

PSO算法的改进及应用研究

文章为PSO算法提供了一种新机制,使其在陷入局部最优时,以更大概率跳出局部最优位置,进入解空间的其他区域进行搜索,可大大增强PSO算法的全局搜索能力。     

基于Gabor小波和增强Fisher模型的掌纹特征提取

对于其他身份识别的生物特性而言掌纹有着很多的先天优势,因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征,提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹,在对掌纹灰色图像通过算法进行Gabor小波变换后,得到Gabor的掌纹特征向量。随后,通过主成分分析变换高维特征向量至低维空间,最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能,对高维特征的降维处理问题可有效解决,同时,算法也提高了Fisher线性判别式(FLD)的推广能力,可以较好地实现掌纹的特征提取。     

基于粒子群优化算法(PSO)的电力需求预测分析

在电力需求预测领域,本文提出了基于粒子群优化算法(PSO)的组合预测模型,选用灰色GM(1,1)模型和BP神经网络作为单个预测模型,并在BP神经网络中将GDP指标做为输入。同时考虑了GDP对电力需求的影响,最后利用PSO对组合预测模型中的权系数进行优化以得到最优结果。根据真实数据所做对比,本文所提出的PSO算法在预测精度上较单一预测模型相比有了较大幅度的提高。     

改进的离散粒子群算法在配送问题中的应用

为了解决配送问题，对离散粒子群优化算法进行改进，保留惯性权值对速度的影响，把粒子的解储存为数组形式．增加群体相似度和排斥算子来让粒子跳出局部最优；仿真结果与其它算法的结果进行对比，发现改进的粒子群算法能够找到更好的解，并且收敛速度快，能在一定程度上避免早熟现象。     

Evolving Purchasing and Supply Organizations: A contingency model for structural alternatives

Purchasing and Supply Management (PSM) is under significant pressure to find levers to further increase its contribution to corporate goals. In order to improve performance in line with expectations, Purchasing and Supply Organizations (PSOs) have to evolve continuously. To help address this challenge, a comprehensive contingency framework of PSO structures is presented. The framework is based on existing literature on PSO contingency factors as well as analysis of two case companies. The findings highlight the importance of taking a contingency perspective for understanding the PSO and combining a detailed view of macro-level structural dimensions with micro-level characteristics. These macro-level dimensions comprise category, business unit, geography and activity. The micro-level characteristics comprise centralization, formalization, specialization, participation and standardization. From a theoretical perspective, the contingency framework opens up insights that can be leveraged in future studies in the fields of hybrid PSOs, global sourcing organizations, and International Purchasing Offices (IPOs). From a practical standpoint, an assessment of external and internal contingencies and their relation to specific structural dimensions and characteristics provides the opportunity for more consciously evolving the PSO to continue to improve PSM's contribution.     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

工程项目实施过程中目标最优控制研究

针对工程项目工期、费用、质量的最优控制问题,在用质量系数对质量进行量化的基础上,利用价值工程的理论,建立了工期——费用——质量综合优化模型,采用微粒群算法通过MATLAB编程求得工期、费用、质量的目标值,为项目优化控制提供了参考依据。最后通过一个算例,对模型的有效性和实用性进行了验证。