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。     

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。     

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出的算法具有很好的求解性能。     

有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题研究

基于现代物流业的现实状况和实际需求,研究了一个带有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题。给出一个遗传算法对该问题进行求解。在该算法中,为了提高其性能,并全面考虑所有约束,论文采取如下措施:(1)在初始种群形成之前,将各个任务的送货点按时间窗进行排序;(2)在所有任务的一个序列中用里程约束来控制车场的插入,并对软时间窗约束采取加入惩罚的方式解决。最后论文举例对该遗传算法进行说明,并对进一步的研究工作进行了展望。     

车辆路径问题的组合优化算法

研究带有容量约束的车辆路径问题,在车辆数量不确定的情况下,结合PFIH算法和禁忌搜索方法,求解车辆路径问题.     

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.     

物流配送车辆调度路径优化问题算法研究

近年来,我国物流运行总体平稳,物流需求规模保持较高增幅,物流业增加值平稳增长,但经济运行中的物流成本与其他发达国家相比依然较高。车辆调度配送路径优化问题同时涉及能源消耗和废物的排放问题,随着人们对环境问题给予越来越多的关注,因而其一直是国内外研究的热点。同时物流配送车辆调度问题在企业运营中起着重要的作用。文章首先简介了车辆调度问题,然后从研究的精确算法和启发式算法两方面较为详细地论述了国内外有关车辆调度问题的研究现状,总结了研究中存在的问题,并对物流算法的发展进行了展望。     

基于人员和车辆可租赁条件下的车辆路径选配模型及优化

物流服务供应商面临的决策问题常常是复杂的规划问题。文中考虑短程的计划,物流服务供应商在需求点的时间窗、车辆的容积和人员的调度,包括租用的人员和车辆的条件下决定收发件路线,建立了路线和人员调度相结合的规划模型。采用节约启发式算法来求解车辆路径问题,得到路线安排的满意解。之后采用贪婪启发式算法对人员进行分配,通过实际案例得出:在租赁人员和车辆的情况下比不租赁人员和车辆总的费用更低。结果表明,启发式算法既能够满足时间限制,又能够节约运输里程和费用。     

基于低碳排放的多车型车辆路径优化问题研究

针对物流配送过程中,如何合理安排配送路线,提高配送效率、降低配送成本和碳排放量的问题,分析了车辆载重量、行驶速度、行车距离、交通状态等因素对车辆油耗的影响,建立了以最小化配送成本和碳排放量为优化目标的多车型车辆配送路径模型。同时,结合蚁群算法对该优化问题进行求解。仿真结果验证了算法能够有效的降低配送成本和碳排放量。     

带容量约束的车辆路径问题算法综述

CVRP的研究带动了确定性算法和启发式算法的发展。简要回顾了这些新算法的发展,总结对比现有方法,提出可能的研究方向。     

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。     

基于量子微粒群算法的车辆路径问题研究

提出一种基于量子行为的微粒群智能优化算法。使用量子角表示量子比特的状态,并引入微粒群算法中,对量子群中的各量子角进行自适应动态调整．设计一种新的编码方式,用于求解车辆路径问题,通过计算表明,该算法是解决车辆路径问题的有效方法。     

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。     

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。     

模糊需求车辆路径问题及其优化算法研究

在实际物流配送问题中,客户需求量可能在制定物流配送路径计划问题时无法被准确获取,随着配送工作的进行,才能逐步获取客户的实际需求量,在需求未明的预优化阶段建立初始路径规划模型,在获知实际需求的实时调整阶段,制定调整策略进行调整。通过对当前模糊需求车辆路径问题相关文献的研究,文章不仅对常见的模糊需求车辆路径问题模型进行了系统的归纳,还对现有的寻优算法进行总结归纳,指出不足,拓展今后可能的研究方向。     

基于蚁群系统算法的车辆路径问题研究

通过引入改进的蚂蚁算法--蚁群系统算法来解决基本的车辆路径问题。针对具体实例运用计算机编程得出了基于蚁群系统算法的最优解,并与其它两种启发式算法进行对比,指出了蚁群系统算法的优势与存在的不足,提出了进一步研究的方向。     

基于低碳排放的应急物流车辆路径优化

针对应急物流的车辆路径优化问题,基于低碳绿色物流思想,以车辆固定成本、运输过程中产生的成本、未满足需求量的惩罚成本以及碳排放成本之和最低为优化目标,建立了基于低碳排放的应急物流车辆路径优化模型。由于受灾点的需求具有不确定性,模型运用三角模糊数来估计需求量。为了求解模型,采用混合遗传算法,利用节约算法获得初始解,并利用大规模邻域搜索算法“破坏”与“修复”的思想改进遗传算法的局部搜索操作。最后通过算例仿真,验证了模型的实用性与算法的有效性。