基于匈牙利算法的多车型配送问题

多车型车辆调度是一类高难度的运输决策工作,在编制合理的车辆使用方案过程中,要求以最低的费用完成运输工作量,实现经济效益最大化.不同种类的货物要求不同的运输车辆,通过对车辆需求特性及车辆参数的分析,建立了以最小总油耗量为目标函数的车辆调度模型,选用匈牙利算法对该模型求解,经过实际计算验证,结果切实可行.     

基于匈牙利算法的多车型配送问题

多车型车辆调度是一类高难度的运输决策工作,在编制合理的车辆使用方案过程中,要求以最低的费用完成运输工作量,实现经济效益最大化。不同种类的货物要求不同的运输车辆,通过对车辆需求特性及车辆参数的分析,建立了以最小总油耗量为目标函数的车辆调度模型,选用匈牙利算法对该模型求解,经过实际计算验证,结果切实可行。     

论匈牙利算法在指派问题管理工作中的应用

在工作中经常遇到派多人执行多项工作的指派问题,本文通过阐述匈牙利算法的基本思想和步骤,进而研究对这类指派问题的最优化解决方案,以便管理决策者提高在实际工作中的决策质量。     

基于匈牙利算法的城市商业网点最优布设问题研究

本文依据城市商业网点规划理论,结合实例,基于匈牙利算法并利用Win QSB2.0软件对城市商业网点最优选择问题进行仿真模拟计算。本文的研究为解决城市商业网点选址问题提供了一种全新的科学计算方法,具有较为重要的理论和应用价值。     

最优指派问题匈牙利算法的探讨与C++实现

介绍了匈牙利算法的基本理论,并把这个理论通过实例应用到了最优指派问题的解决方案中,给出了可以实现该方法的C 程序。     

一类关于运输问题的参数线性规划最优解的研究

论文利用文献[1]中的改进的匈牙利算法，研究关于运输问题的参数线性规划的最优解，并给出了相应的思路，方法步骤及应用举例。     

匈牙利算法在输电线路项目分段招标中的应用研究

分段招标法输电线路项目、石油和天然气管道项目、铁路和公路项目具有广泛的应用。本文以某跨国输电线路项目招标为例,介绍以匈牙利算法为基础的分段招标法在大型项目招标中的应用,并在典型问题的基础上,对解决几种实际应用中遇到的特殊问题进行讨论。本文可为大型项目分段招标提供一定的理论和实践参考。     

基于线性规划模型的物流运输调度问题研究

利用线性规划理论建立物流运输调度的数学模型,研究一个开放的、动态的现代化物流运输调度问题,然后通过匈牙利算法来求解物流运输调度的最优方案,并通过实例分析了这种算法在求解物流运输调度问题中的有效性。     

基于线性规划模型的物流运输调度问题研究

利用线性规划理论建立物流运输调度的数学模型,研究一个开放的、动态的现代化物流运输调度问题,然后通过匈牙利算法来求解物流运输调度的最优方案,并通过实例分析了这种算法在求解物流运输调度问题中的有效性。     

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。     

基于改进遗传算法的多式联运路径优化研究

文中以荣森物流公司为研究背景,针对多运输方式多路径问题,提出一种改进的遗传算法,可同时解决运输方式的选择和路径的规划问题。通过建立多式联运路径优化模型,采用多参数编码方式,从而解决该类问题,同时为多式联运的相关决策和组织提供参考依据。     

基于改进的启发式算法的第三方物流运输优化研究

针对传统物流运作模式的不科学之处进行了研究,利用改进的启发式算法对第三方物流运输进行了优化处理,并建立相应的数学模型,以消除时间和空间等方面的约束,促进第三方物流的迅速发展.     

基于改进的启发式算法的第三方物流运输优化研究

针对传统物流运作模式的不科学之处进行了研究,利用改进的启发式算法对第三方物流运输进行了优化处理,并建立相应的数学模型,以消除时间和空间等方面的约束,促进第三方物流的迅速发展。     

一种基于LSB的改进信息隐藏算法及实现

传统的LSB算法是将私密信息以二进制的形式嵌入到载体像素值的最低有效位,这样对图像的质量负面影响可以降到最小。本文提出了一种将过滤技术与LSB算法相结合的信息隐藏算法。利用过滤技术增强图片质量,利用LSB算法进行私密信息的嵌入。改进型的LSB算法比原算法具有更高信息存储量以及更高信息安全性等优点。     

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。     

基于改进遗传算法的成品油配送车辆调度问题研究

为有效解决成品油配送中的油罐车车辆调度问题,构造了多车型-多油品-多加油站的成品油配送车辆调度优化的数学模型,设计了改进遗传算法对所提出模型进行求解,并用具体算例验证了模型和算法的有效性.     

基于改进蚁群算法的物流配送路径研究

车辆路径问题（Vehicle Routing Problem,VRP）是近几十年来运筹学、应用数学、网络分析、图论、计算机应用及交通运输等学科研究的一个热点问题,其产生于现实的公路交通运输领域,并在通讯、生产、国防、生物、计算机应用等领域得到了广泛的应用。本文着重研究有时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）}VRPTW现已被证明为NP-hard问题,当问题规模较大时,将很难得到问题的精确解。探讨如何经过少量的计算,得到一个相对满意的解,已成为现阶段学者研究的重点。文中提出用混合蚁群算法求解VRPTW,有效的缓解了信息传递快速与物流反应缓慢的矛盾,提高了物流配送的科学化效率,对电子商务物流配送的发展具有一定的理论意义与应用价值。     

一种改进的基于意图挖掘的航迹预测

意图推断和航迹预测是提高空中交通容量的重要ATC工具,混合估计算法和意图推断算法相结合的基于意图的预测模型是比较崭新的用于长期航迹预测的算法。本文提出一种改进的基于意图的航迹预测算法。使用高分辨率聚类挖掘ADS-B历史航迹数据得到一条典型航迹,将典型航迹而不是传统的计划航迹用于提取意图信息,再与IMM算法结合完成航迹的预测。使用新疆地区真实的ADS-B历史航迹数据验证本文提出的算法的预测性能,仿真结果显示改进的预测算法具有更好的预测性能。     

基于离散选择模型的推荐系统改进算法

准确地预估用户的点击率,并根据该概率对商品排序以供用户选择在推荐系统领域有着重要的意义。推荐系统中常用的因子分解机等机器学习模型一般只考虑用户选择单个商品的概率,忽略了候选商品之间的相互影响,离散选择模型则考虑将商品候选集作为整体进行考虑。提出了使用深度学习模型来改进离散选择模型,模型使用相对特征层、注意力机制等网络结构帮助深度学习模型进行不同商品间的特征比较,研究结果表明引入离散选择模型的深度学习模型表现优于梯度提升决策树、因子分解机等模型。