发达网络环境下军用油料运输路径选择研究

对军事油料运输的特点进行了分析,筛选出了影响军用油料运输决策的主要目标:运输时间、可靠性、安全性.并考虑在发达的运输网络情况下,解决基于多目标的油料运输路径选择优化问题.     

发达网络环境下军用油料运输路径选择研究

对军事油料运输的特点进行了分析,筛选出了影响军用油料运输决策的主要目标:运输时间、可靠性、安全性。并考虑在发达的运输网络情况下,解决基于多目标的油料运输路径选择优化问题。     

基于连续型Hopfield神经网络的油料资源输送优化

针对战时一个或多个油料供应点到多个油料需求点油料输送问题,运用连续型Hopfield神经网络,建立了以运输时间、路程和运输安全性为主要因素的输送模型,对模型进行了求解.最后以野战油库为用油部(分)队提供油料保障为例,探讨了油料资源最优运输路线,得到了最优油料资源运输路径.为战时油料保障组织实施提供了科学定量的分析方法.     

多车场多车型车辆路径问题的优化研究

针对多车场多车型车辆路径问题,通过建立虚拟配送中心将多车场路径优化问题转化为单一车场路径优化问题。文章建立了数学模型并利用遗传算法求解模型,同时根据问题性质对遗传算法的编码和解码方式进行改进。基于企业实例的实证研究表明:文章提出的模型对求解多车场多车型车辆路径问题具有一定的优势,能够为企业实际的物流运输调度提供决策支持。     

基于系统动力学的战时油料运输研究

结合战时油料运输的特点和要求,建立了战时油料运输系统的SD模型,并进行了仿真试验,探讨了战时油料运输系统供需平衡机理,为合理进行油料运输决策提供依据。     

基于系统动力学的战时油料运输研究

结合战时油料运输的特点和要求,建立了战时油料运输系统的SD模型,并进行了仿真试验,探讨了战时油料运输系统供需平衡机理,为合理进行油料运输决策提供依据.     

基于遗传算法的多目标集装箱多式联运运输优化模型

基于集装箱多式联运在进行门到门的运输过程中可以选择多种运输方式和路径的组合进行优化运输这个特点，本文将多式联运的运输优化问题转化成为一个最短路径问题，以成本和时间为优化目标建立了选择最优路径的模型，并选择遗传算法作为求解算法对实例问题进行了求解验证。     

混合遗传算法在运输路径问题中的应用

建立物流运输优化的数学模型,来构造求解该问题的遗传算法。通过分析和比较几种混合遗传算法,提高运输车辆路径优化问题的求解效率并可优化解的质量。     

餐饮物流配送路径优化方法研究

研究了餐饮物流配送方案的配送路径优化方法,以物流运输距离最小化为优化目标,以单个配送车辆的容量限制、运输距离限制为约束条件,提出了餐饮物流配送路径优化的整数规划模型。然后,结合遗传算法与模拟退火算法设计了求解模型的遗传-模拟退火算法。最后,给出算例验证了本文模型与算法的有效性。     

考虑多模糊时间窗医药物流配送路径优化

以医药物流客户满意度最大和总成本最低为目标,建立了考虑多模糊时间窗的车辆路径问题优化模型。为满足低碳物流的要求,在路径规划中引入碳排放成本,为防止类似大型医疗器械运输超载问题引入超载惩罚项,引入多模糊时间窗来评价客户在可以忍受送达时间段和期待送达时间段的满意度。以单个配送中心3辆配送车辆25个客户为算例,运用遗传算法对模型求解,求解得到的最优车辆配送路径提高了满意度并降低了总成本。该模型亦适用于满足相应约束条件的类似行业的供应链优化。     

基于遗传算法的自动化立体仓库的货位优化分配

文章针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型：在库区优化基础上,进一步提出货位优化数学模型．将Pareto最优解的概念与遗传算法相结合,提出了一种改进的解决多目标优化问题的Pareto遗传算法解决货位优化问题．给出了仿真实验及分析,结果表明采用改进遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

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。     

基于遗传算法的大规模定制供应链调度优化研究

大规模定制(MC)模式下的供应链调度优化过程,是典型的随机需求与资源约束的动态问题。为合理解决这一问题,在前期研究成果基础上,提出了包括供应商选择及企业合作时序安排的优化调度模型,并提出了针对这种模型的求解思路,设计了基于遗传算法的求解过程;通过多组数据实验及结果比较分析,对模型算法的有效性、稳定性进行了验证。     

基于遗传算法的车辆路径问题ExtendSim仿真与优化

文章首先介绍了物流领域中经典的车辆路径问题（VRP）,以及解决该问题的算法,然后论述了遗传算法在解决VRP上的应用,并详细地叙述ExtendSim仿真软件如何对某一VRP进行建模优化,最后得出最优方案.验证了这一仿真优化方法是解决VRP的一种有效途径.     

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。     

一体化油料保障资源配置布局优化研究

通过对战场油料资源配置布局的影响因素分析,建立了相关的数学模型,采用遗传算法中群体搜索策略和全局并行寻优方法,求解一体化油料保障资源配置布局这类多目标优选问题。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

遗传算法在车间物流配送优化中的应用

在车间物流配送中,合理确定配送路径是提高搬运质量、降低配送成本、增加经济效益的重要手段。在建立车间物流配送优化问题的数学模型的基础上,构造了求解物流配送路径优化问题的遗传算法。计算结果充分表明,遗传算法在进行车间物流配送优化中有很大的优势,可以有效地求得问题的最优结果。