同时取送货车辆路径问题的改进的蚁群算法

提出一种同时取送货车辆路径问题(VRPSDP)改进的蚁群算法.应用该算法求解28个同时取送货的车辆路径问题的benchmark算例,结果表明,该算法能获得16个算例的已知最好解,更新了其中3个已知最好解.最后,对算法的几个性能进行测试,结果进一步表明所提卅的算法具有很好的求解性能.     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法。通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能。另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度。最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例。结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具。     

同时取送货车辆路径问题的改进粒子群优化算法

同时取送货车辆路径问题(VRPSDP)是指车辆在服务过程中,对顾客同时进行取货和送货服务,针对这类问题,提出一种改进的粒子群优化算法.通过惯性权重的更新和路径链接更新策略有效地扩大算法的搜索空间,从而改进了算法的性能.另外,采用邻域搜索扩大策略(ENS)加快了算法的搜索速度.最后,应用所提出的改进的粒子群优化算法求解了两类同时取送货的车辆路径问题的算例.结果表明,该算法与经典的求解结果相比较,取得了比较好的计算结果,表明该算法是求解同时取送货车辆路径问题的有效工具.     

取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO＿AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO＿AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。     

基于取送货一体的车辆运输路径优化问题综述

车辆路径规划问题,最早是由Min提出的,他将同时取送货VRP问题并定义为VRPSPD问题,并针对图书馆取送书更新作业模式,建立了VRPSPD数学模型,并采用两阶段启发式算法进行模型求解。随着VRPSPD模型目标、约束条件以及求解算法的不断变化,VRPSPD问题已经发展为一个系统问题。本文主要针对VRPSPD问题的几种类型进行总结和分析,并对日后该问题的研究提出相关建议。     

有时限取送混合车辆路径问题的模型及其禁忌搜索算法研究

研究了带时间窗的取送混合车辆路径问题.问题中,每个客户带有取货和送货两个时间窗,每个客户处的取货和送货任务可以通过访问一次全部完成,也可以分两次访问分别完成送货和取货任务.在对该类问题进行描述和取送一体化战略的基础上,建立了有时限取送混合车辆路径问题的数学模型.通过设计一种新的解的表示方法构造了该问题的禁忌搜索算法.实验计算结果表明,用该禁忌搜索算法求解有时限取送混合车辆路径问题,不仅可以取得很好的计算结果,而且收敛速度较快,计算结果也较稳定.     

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。     

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。     

基于遗传算法的快递配送车辆路径问题研究

在快递配送过程中,快递配送中心作为货物集散点,首先要分派车辆到各个配送点(客户)送货和取货,为降低配送成本,提高配送效率,车辆的调度是一个重要的问题.根据快递配送的特点,主要研究的车辆路径问题为配送中心在为各分点进行快递配送时,采用快件送达和收集同时服务的配送策略,假设车辆在各点之间的行驶时间服从正态分布,配送分点有软时间窗约束并且快件收集数量服从泊松分布的条件下,建立了问题的求解模型,并进行了基于遗传算法求解的应用设计.该遗传算法通过基于适应度排名和最佳个体保留的选择策略和自适应交叉概率的参数控制来保证所求结果的优良性,并设计算例用matlab编程进行实验,证明了算法的可行性.     

具有同时送货和取货特点的单车辆配送路径优化算法

在分析具有同时送货和取货特点的单车辆配送路径问题的基础上,建立OV-VRPSDP数学模型,提出一种新的求解OV-VRPSDP问题的比值法优化算法,并通过实例验证该算法的有效性和可行性。新算法首先对配送树图的顶点和边做适当处理,计算各树枝的份量,使配送车辆优先沿着份量较大的树枝前进,选择一条最优路径。实例表明,比值法能够快速解决OV-VRPSDP问题,并且具有较好的优化效果。     

基于遗传算法(GA)的配送路径优化问题研究

文章在建立配送车辆路径优化问题数学模型的基础上，构造了遗传算法来求解该问题，并在算法中引入了自然选择、交叉操作、变异操作等思想：实验结果表明，此算法可以有效求得车辆路径问题的优化解或近似优化解．是求解车辆路径问题的一个较好的方案。     

考虑需求可拆分的共享单车调度优化研究

研究考虑需求可拆分的共享单车调度优化问题为可拆分单商品取送货TSP问题，考虑一辆调度车，允许调度车多次访问各站点，每次满足站点的部分需求，即允许对站点的需求进行拆分。首先，考虑到调度车容量限制，统筹安排调度车行驶路径和调度车在每个站点的取车量、送车量，使得企业的运营成本达到最优。其次，提出了一种改进的变邻域搜索算法求解上述问题，使算法在陷入局部最优解时改变邻域结构，扩大搜索范围，以此提升算法跳出局部最优解的能力，加快收敛速度。最后，用数值实验验证了算法的有效性。研究结论拓展了可拆分单商品取送货问题的相关理论，并为共享单车企业的实际运营提供决策支持。     

智能优化算法求解车辆路径问题的对比分析

利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法，粒子群算法和模拟退火算法的算法原理和求解流程，选用了Solomon数据集的三种不同客户规模，通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意；模拟退火算法在中小规模时算法求得最优解能力更好，蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。     

基于3PL的汽车零部件循环取货路径研究

对汽车零部件入厂物流循环取货特点分析的基础上,建立了有硬时间窗和容量约束的车辆路径优化模型,并采用改进节约算法对该问题进行求解。通过算例验证,算法能获得满意解,且简明、操作性强。     

B2C电子商务中带退货的多配送站点车辆路径优化问题研究

研究了一个带退货的多配送站点车辆路径优化问题,建立了求解该问题的0-1整数规划模型,以实现各个配送站点在给他们客户配送货物的同时,沿途取回这些客户的退货,以节约运输成本的目的。设计了一种新的解的表示方法和邻域变换,以此为基础构造出直接求解多配送站点车辆路径优化问题的禁忌搜索算法,在该禁忌搜索算法中首先通过一个启发式算法求得了0-1整数规划模型的一个较好的初始可行解,从而提高了禁忌搜索算法的收敛速度及性能,最后通过例子对禁忌搜索算法及其性能进行了说明。     

基于混合集合规划的车辆路径优化

使用自然约束语言NCL对车辆路径优化问题进行建模.用混合集合规划可以方便地描述问题中的复杂约束与目标.最后对带有时间窗口的取货送货问题的算例进行了求解.     

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。     

混合人工蜂群算法求解煤炭物流中的CVRP问题

煤炭物流中生产物资的运输问题属于典型的车辆路径问题（CVRP,Capacitated Vehicle Routing Problem）。文章采用改进的人工蜂群算法对该问题进行求解。首先按照相对中心位置（物资供应中心）的角度大小,对各个位置的矿区进行排序,然后产生合法初始解;通过算子操作产生领域解,采用蚁群信息素更新方式,在领域内进行更为细致的迭代搜素。通过国际测试算例仿真,改进的人工蜂群算法可以找到近似最优解,证明算法的有效性,对于解决实际运输问题具有应用价值。     

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。     

基于改进节约算法的选址与配送一体化问题优化研究

针对一类配送中心选址以及路线选择的一体化问题,提出一种能同时解决配送中心选址和配送问题的方法。通过建立改进的车辆路径选择模型,然后将节约算法进行改进,从而同时解决这类一体化问题。并以荣森物流公司的选址问题为基础,给出算例,验证该算法的可操作性。