物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的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模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型。设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷。用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果。     

电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型.设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷.用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果.     

遗传模拟退火算法——黑龙江TSP问题

以黑龙江省29个城市构造TSP问题,通过对实验数据的分析,得出了遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。遗传模拟退火算法利用了模拟退火算法局部精确的求解能力补充了遗传算法在局部求解不够精确的弊端,从而加快了求解TSP问题的效率,同时,又将蚁群算法和遗传模拟退火算法做比较,从结果可以看出遗传模拟退火算法求解效果较好。     

基于局部搜索遗传算法的仓库车辆调度优化研究

针对仓库装卸搬运系统实际运行时设备资源冲突和搬运车辆任务分配问题,建立了具有多个复杂约束条件的车辆调度优化问题数学模型。提出了一种求解仓库车辆调度优化问题的局部搜索遗传算法,解决了局部搜索中寻找高效邻域结构的技术难题,并用实例进行了验证。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

基于局部搜索遗传算法的仓库车辆调度优化研究

针对仓库装卸搬运系统实际运行时设备资源冲突和搬运车辆任务分配问题,建立了具有多个复杂约束条件的车辆调度优化问题数学模型.提出了一种求解仓库车辆调度优化问题的局部搜索遗传算法,解决了局部搜索中寻找高效邻域结构的技术难题,并用实例进行了验证.     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

基于直送的两阶段混合调度模型的模拟退火算法研究

研究基于直送的两阶段混合调度模型的模拟退火算法,其目标函数是最小化作业时间.首先,基于问题特征,提出求解该类问题的模拟退火算法;其次,通过数值实验对算法参数进行优化分析,从而给出模拟退火算法的较优参数组合;最后,数值测试进一步表明所给出的优化模拟退火算法的计算有效性.     

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。     

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。     

模拟退火算法在实验预约系统中的应用

实验预约系统的核心任务是生成实验教学课表,课表的生成是一个典型的组合优化问题,模拟退火算法是解决此类问题的优秀算法之一。本文主要研究了模拟退火算法的原理与特性,并将其应用于实验教学预约系统的排课模块中,更好地提高排课效率,改善排课效果。     

动态自适应混合智能算法在VRP问题中的应用

货物配置和车辆路径安排是个典型的NP难题。文中在建立VRP问题数学模型的基础上,构造了求解该问题的混合智能算法。在如何确定车辆数的问题上提出一种新的算法思路——动态自适应确定车辆数;同时文中提出了一种新的编码思维,将车辆信息引入染色体中;在遗传算法终止后,利用模拟退火对每一辆车的路线分别进行优化。最后,对具体案例进行仿真实验,证明了文中算法是有效的。     

基于遗传算法的高校排课系统的研究与实现

遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题。排课问题是一个NP完全问题,除了穷举法没有绝对的求解方法。高校排课涉及到课程、教室、班级、教师和时间五方面相互关联的因素。按照遗传算法思想,对初始课表进行优化,并用Delphi进行编程,试验结果表明,遗传算法对课表的优化有着比较显著的作用。     

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.     

Location-allocation problem for intra-transportation system in a big company by using meta-heuristic algorithm

This paper presents the location-allocation problem of parking facilities in Mobarakeh Steel Company. The aim is to find the optimal location for the parking facilities and allocate travels between departments to each parking facility. To optimize the cost and facing the transportation demands of all departments, a mathematical model is designed and solved by a commercial software package. Also, the number of vehicles allocated to each parking facility is determined. A hybrid meta-heuristic algorithm combining a genetic algorithm with parallel simulated annealing is developed which can be used even in more complicated structure of the problem. The results show that this hybrid algorithm is highly efficient in solving this kind of problems.     

时间窗约束下的非满载车辆优化调度算法研究

在车辆优化调度问题上．文章将配送车辆根据任务的性质分成满载和非满载两类问题。针对时间窗约束下的非满载车辆优化调度问题，同时考虑特定的时间窗和车辆客量、行驶距离等约束条件．运用数学规划理论对其进行了研究。并在分析其数学模型的基础上．给出了实例分析，对提高物流配送效率和降低成本具有重要意义。