基于蚁群算法的物流配送避障路径规划方法

针对物流配送路径规划问题,以可视图法所建的求解环境为基础,利用蚁群优化算法,提出了一种在障碍物环境下求任意两点间的最短路径方法,算法采用了优势个体指导机制,保证了最优解的搜索能力和解的全局收敛性。实验结果证明,该算法收敛快,可靠性高。与传统算法相比,该算法具有全局最优解方面的高效性,明显提高了路径搜索效率。     

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。     

基于混合蚁群算法的物流配送路径优化研究

蚁群算法存在一些缺点,如容易陷入局部最小,使整个系统呈现出早熟现象等。文章将蚁群算法和遗传算法结合起来构造混合蚁群算法,建立优化物流配送路径的数学模型。用混合蚁群算法通过仿真实例有效求得物流配送路径问题的较优解。课题的研究对物流配送路径具有优化作用,节约物流运送成本,提升企业竞争力。     

基于混合粒子群算法的配送车辆复杂路径优化

提出了基于混合粒子群算法(PSO)的配送车辆复杂路径优化方法,描述了混合PSO的原理和流程,并将其运用到物流配送路径优化问题中。实验结果显示,该方法能得到满意的路径优化结果。     

基于公交车开展物流配送的车辆路径优化问题

本文主要研究基于公交车开展物流配送的车辆路径优化问题，通过一种新型的城市物流配送模式来缓解城市拥堵、减少物流配送总成本。该配送模式分为公交车配送和配送车辆配送两层，利用公交车的剩余容量来减少运输成本。同时建立了总成本最小为目标的优化模型，并使用改进的遗传算法对模型进行求解。本文在遗传算法生成种群的过程中，采用模拟退火算法进行优化拓展解的空间，提高改进算法的全局和局部空间搜索能力。最后经实例验证，改进的遗传算法能够找到更短的行驶路线，验证了算法的有效性。     

蚁群算法在物流配送路径优化问题上的应用

物流配送路径优化是现代物流配送服务的关键环节之一,需要一个快速而有效的求解算法,构建了物流配送路径优化问题的数学模型,并应用蚁群算法加以求解。在模拟试验基础上,得出了蚁群算法对物流配送路径优化问题十分有效的结论,探索出了一条高效求解物流配送路径优化问题的新途径。     

基于蚁群算法的路径规划问题研究

基于VRP问题及其解法,提出一种用蚁群算法解决邮车路径规划问题的新方法。该方法首先用网络图理论建立邮递路径收益损耗模型,在此基础上利用蚁群算法进行全局搜索得到全局导航路经,然后利用网络分区策略局部调节导航路经上的节点,得到更优路经。实例结果显示,利用该算法可以规划出一条全局优化路经,且收敛效率高。     

多线程蚁群算法及其在最短路问题上的应用研究

针对基本蚁群算法,提出一种多线程蚁群算法。该算法引入多线程技术,将线程作为蚂蚁,而且借鉴于自然界中生物个体的差异性,从选择策略方面加强了蚂蚁个体对未知路径的搜索能力;同时对局部搜索和全局更新策略进行了改进。实验结果表明,该算法可以有效地克服基本蚁群算法的收敛速度慢和易出现停滞现象的缺陷,能够较快的收敛到全局最优解。     

基于改进Dijkstra算法的医药物流配送网络优化

配送是医药物流的重要环节,时效性是衡量医药物流配送质量的一个重要标准。省时、省力的配送路径规划对提高医药物流配送时效性问题具有决定性作用。本文应用改进Dijkstra算法使其能遍历所有节点,并运用Matlab软件解决算法时间复杂度问题,在计算方法和搜索效率两个方面提高医药物流运作效率,以成都市医药物流配送案例加以论证和分析。改进后的Dijkstra算法将能运用于更多领域的配送路径规划问题的解决。     

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。     

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。     

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。     

货物配装问题两种算法的比较研究

货物配装问题是NP-难问题，对这类问题如何求解，学术界提出了多种算法，这些算法可归结为2大类：精确算法和启发式算法。通过对这2类算法中最具代表性的几种算法的分析、比较和总结，指出了各种算法的优缺点、适用范围和场合、存在的问题以及改进的方案，为货物配装问题求解过程中算法的选择提供了依据和参考.     

Optimal locations and flow allocations for aggregation hubs in supply chain networks of perishable products

Establishment of aggregation hubs in a supply chain network (SCN) is typically a facility location-allocation (FLA) decision, which is known to be a NP-hard optimization problem. Considering the flow of heterogeneous perishable products, like fresh produce, with different spoilage rates, further increases the complexity of such a problem. This is due to the effect of transportation time and conditions, services provided in the hub, and hub proximity to supply sources, on the quality and quantity of products eventually reaching the demand destinations, and hence on the location-allocation decision. In this paper, this problem is formulated as a mixed integer linear programming (MILP) model that considers a number of problem characteristics simultaneously for the first time, to minimize the transportation, spoilage, processing, and capacity-based hub establishment costs. Due to its complexity, two hybrid algorithms that combine a meta-heuristic with a perishability-modified transportation algorithm, are proposed to solve the problem. The algorithms are based on binary particle swarm optimization (BPSO) and simulated annealing (SA). Taguchi analysis is used to tune the significant parameters of both algorithms considering different problem sizes. Computational analysis is further conducted to evaluate and compare the performances of the algorithms using randomly generated test instances and exact solutions obtained using CPLEX. Results show that while both algorithms are capable of obtaining optimum solutions for most instances, the hybrid BPSO slightly outperforms the hybrid SA in terms of consistency and solution time.     

和弦搜寻演算法在土石坝渗流破坏中的应用

根据土石坝坝体破坏案例所累积的经验,除坝顶溢流溃决破坏外,坝体渗漏亦为造成管涌破坏主要原因之一。管涌会造成坝体突然、全面的破坏,后果非常严重,本研究最佳化演算法采用和弦搜寻法,分析中以MATLAB作为和弦搜寻最佳化流程的主控伺服,常用的地工分析软体FLAC则扮演计算引擎的角色。以评估本研究所研拟的和弦搜寻演算法应用于土石坝渗流问题诊断的功效,以说明此方法的可行性与有效性。     

混合柔性充电策略支持下的电动汽车配送路径优化

针对电动汽车在市区配送中应用越来越广泛的现象,提出了混合充电策略支持下带时间窗的电动汽车路径规划问题。在充电站,电动汽车可以选择快速充电方式充满电池或充一部分必须的电量,也可以选择直接更换满电状态的电池,这种柔性的充电策略为电动汽车提供了更灵活的运作方式,降低配送的时间和成本。通过引入充电策略相关的决策变量,在车辆路径问题的基础上,建立了混合充电策略的电动汽车路径优化的非线性混合整数规划模型。设计了一种改进的蚁群算法,通过集成局部搜索算法,提高了问题求解的效率。最后通过三个具有不同客户点分布特征的实例验证了算法的有效性,并分析了混合充电策略的影响。     

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。     

供应链中配送系统联合优化的数学模型及求解的混合算法

主要分析了供应链配送系统中分销商和零售商之间的关系，应用最优化方法提出了以转运为基础的动态数学模型。设计了遗传算法和线性规划单纯形法相结合的混合算法。该算法成功的解决了0-1混合整数规划问题，并以苏果超市为背景对模型进行实例分析。分析结果表明，该模型能够有效的降低库存，为企业科学决策提供了支持。     

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.