基于遗传算法的电子商务物流车辆路径系统的优化

在一般车辆路径系统的基础上,介绍了一般性遗传算法的常规流程,并在遗传选择、交叉和变异环节进行了改进,通过实证证明了改进遗传算法有效可靠,提高了算法的收敛速度。     

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.     

基于改进自适应遗传算法的车辆路径问题研究

针对自适应遗传算法进化初期收敛速度缓慢的不足，引入一个表示种群多样性程度的指标变量对个体的交叉率和变异率进行自适应调节，提出了改进的自适应遗传算法并将其应用于求解车辆路径问题。实验结果显示同传统的自适应调节方法相比，该算法提高了收敛速度，可以有效地求得VRP问题的最优解或近似最优解。     

基于遗传算法的农产品物流车辆路径问题决策研究

我国农产品物流成本较高的主要原因之一是缺乏科学的管理技术,尤其是基于定量分析的决策技术。对物流车辆路径问题的优化可以有效降低农产品的物流成本。针对农产品的时效性,对带有时间窗的农产品物流车辆路径问题,引入客户满意度函数,建立实例决策模型,运用遗传算法工具箱进行优化求解。通过对优化前后的数据进行比较,验证决策模型的可行性和合理性。     

带时间限制的车辆路径问题的遗传算法

研究了带时间限制的车辆路径问题,考虑了不同时间段内车辆行驶速度与道路交通状况的关系,分别设计了求解该问题的传统遗传算法和改进遗传算法.利用具体实例进行了模拟计算,结果显示,改进的遗传算法比传统遗传算法具有很多优越性,利用改进的遗传算法可以得到理想的计算结果.     

带时间限制的车辆路径问题的遗传算法

研究了带时间限制的车辆路径问题,考虑了不同时间段内车辆行驶速度与道路交通状况的关系,分别设计了求解该问题的传统遗传算法和改进遗传算法。利用具体实例进行了模拟计算,结果显示,改进的遗传算法比传统遗传算法具有很多优越性,利用改进的遗传算法可以得到理想的计算结果。     

基于无交叉遗传算法的物流车辆路径问题研究

设计并实现了一种求解基本车辆路径问题的无交叉遗传算法,阐述了无交叉遗传算法求解物流车辆路径问题的关键技术,包括编码方案、初始种群生成方案、适应度函数、种群选择方案和变异操作等;并对比了使用目标函数倒数法和目标函数做差法构造适应度函数时的求解效果.实验结果表明,给出的无交叉遗传算法在求解车辆路径问题上具有良好的性能.     

基于遗传算法的车间设备布局优化

对某车间设备布局问题进行数学建模,建立以车间物流成本最小为目标的车间布局优化模型。应用遗传算法设计求解优化模型,根据SLP方法得到的初始布局方案建立初始种群,对该初始种群进行编码、选择、交叉和变异操作,得到最终车间设备布局。基于此,以上海海事大学工程训练中心机械加工车间为案例进行设备布局优化,完成车间物流分析,应用遗传算法对车间进行求解,并通过Matlab软件进行编程运算,得出车间的最优解。     

基于无交叉遗传算法的物流车辆路径问题研究

设计并实现了一种求解基本车辆路径问题的无交叉遗传算法,阐述了无交叉遗传算法求解物流车辆路径问题的关键技术,包括编码方案、初始种群生成方案、适应度函数、种群选择方案和变异操作等;并对比了使用目标函数倒数法和目标函数做差法构造适应度函数时的求解效果。实验结果表明,给出的无交叉遗传算法在求解车辆路径问题上具有良好的性能。     

一种基于遗传算法求解车间调度问题的优化方法

遗传算法是解决车间调度问题的有效方法之一。但在构造适应度函数时由于调度问题诸多的束条件使得直接求解十分困难。罚函数法将约束条件加到目标函数上，变有约束为无约束．能较易求解该类问题。     

遗传算法在VRP问题中的应用

配送是物流系统中一个直接与消费者相连的重要环节,对配送系统进行优化,可以提高物流经济效益、实现物流科学化。因此配送系统的优化问题显得尤为重要。进行配送系统优化,主要是配送车辆调度的优化。文章在全面分析研究物流配送业务特点的基础上．针对配送中的核心问题——车辆调度优化问题进行了深入的研究,建立了单源点物流配送车辆调度优化问题的数学模型,并运用遗传算法对其进行求解,仿真实例证明了该方法的有效性。     

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。     

蚂蚁算法在复杂性运输路径问题中的应用——多车场多车型路径问题

车辆路径问题中,行驶路线往往取决于一系列约束条件,如配送中心个数,货物需求量,交发货时间,车辆容量限制等。要想达到一定的目标,如路程最短,费用最小,时间尽量少,车辆尽量少等,就得借劲于合适的算法去解决实际的问题。蚂蚁算法在解决著名的旅行商（TSP）问题上已取得了很好的成效,目前已陆续渗透到其他问题的求解上。文章主要针对多车场多车型车辆路径问题,用蚁群算法以及蚁群算法的优化算法去解决一些实际问题。     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证。实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能。     

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.     

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。     

基于遗传算法的企业配送路径问题研究

为提高企业竞争力,加快企业发展,企业已将优化重点转向物流配送环节,文中通过遗传算法设计并求解企业配送路径问题,设计合理的配送路线,提高配送效率,降低物流成本。     

配送时间窗约束下车辆调度遗传算法研究

通过改进传统的遗传算法,结合中海油服物资配送特点,采用启发式交叉算子的方法,确保了算法迭代中的种群多样性。制定了基于配送时间窗约束情况下模糊预约时间的钻井平台损失惩罚函数,对可行解的范围进行了限定,从而加速收敛,保证了运算的效率。通过案例进行分析证明了可行性。     

车辆路径问题的可靠性研究

首先分析车辆路径问题中随机因素,以及现有考虑行程时间波动的车辆路径问题,从而确立以配送车辆为研究对象,建立对应的行程时间可靠性模型,以不超过规定值,用来适应处理交通状态的不确定性。通过粒子群算法求解,验证表明,考虑道路运行的不确定对车辆调度的影响,制定的车辆调度方案能够更加可靠,对于配送过程更加有效。