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。     

强化运输车辆油料监管的方法及措施

强化运输车辆油料消耗监管,完善规章制度是基础,加强过程控制是重点,大力实施专项效能监察是关键,因此,本文就如何强化运输车辆油料监管的方法及措施进行了探讨。     

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。     

基于系统动力学的战时油料运输研究

结合战时油料运输的特点和要求,建立了战时油料运输系统的SD模型,并进行了仿真试验,探讨了战时油料运输系统供需平衡机理,为合理进行油料运输决策提供依据.     

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPSTW问题的一种改进遗传算法。在算法中,通过适应度函浸透的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题。加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运榆决策提供有力支持。     

遗传算法在军事物流运输路径选择中的运用

对物流中常见的运输路径选择问题进行了基于遗传算法的的分析，并主要针对军事目的中的时间限制问题（时间窗），结合军事物流的特点，对其遗传算法模型进行了一定的改进。     

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。     

发达网络环境下军用油料运输路径选择研究

对军事油料运输的特点进行了分析,筛选出了影响军用油料运输决策的主要目标:运输时间、可靠性、安全性。并考虑在发达的运输网络情况下,解决基于多目标的油料运输路径选择优化问题。     

发达网络环境下军用油料运输路径选择研究

对军事油料运输的特点进行了分析,筛选出了影响军用油料运输决策的主要目标:运输时间、可靠性、安全性.并考虑在发达的运输网络情况下,解决基于多目标的油料运输路径选择优化问题.     

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.     

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。     

现代物流中车辆路径问题的研究

本文阐述了车辆路径问题(VRP)的几种典型的模型和常见算法，分析了这些算法用于计算车辆路径问题的优缺点，并指出了VRP的研究范围还需向范围更广的供应链方向扩展。     

物流配送中车辆路径问题的模型及算法研究

本文介绍了车辆路径问题的分类及限制条件,重点论述了国内外关于车辆路径问题的模型及算法研究现状,分析了各种算法的优缺点和适用范围,并指出了车辆路径问题的研究前景.     

以均衡为目标的车辆调度问题研究

针对物流配送企业私人承包车辆以及均衡配送线路工作量等新的物流管理理念,提出新的车辆调度模型,将车辆调度问题（VRP）转换为车辆选型和车辆路径优化两个子问题,设计Ak-FirstFit混合算法解决车辆选型问题,运用遗传算法解决车辆路径问题。基于JAVA编写计算机程序,运行结果表明该两阶段算法能够在有效时间内得到满意解。与基于传统物流管理理念的模型进行比较,得出新的两阶段模型能充分体现兼顾效率与公平思想的结论,其理念在物流配送企业中具有相当的借鉴性和推广前景。     

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。     

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。     

汽车零部件循环取货车辆路径优化研究

在现代汽车制造企业中,循环取货模式在零部件配送中得到越来越广泛的应用。文章针对汽车零部件循环取货特点．建立车辆路径优化模型,并提出了结舍扫描法和禁忌搜索法的两阶段求解算法,将车辆路径问题转化为多个旅行商问题,降低了算法的复杂度．