带时间窗约束的配载车辆调度问题研究

运用启发式算法求解带时间窗约束的配载车辆调度问题。借鉴多重旅行商问题的模型结构,建立配载车辆调度模型。通过改进C-K节约算法,在线路连接过程中插入时间窗约束和车辆容量约束的检验子程序,排除不符合约束条件的线路构形,构造求解调度模型的启发式算法。并给出算例,验证调度模型和启发式算法的可行性。     

一类多车场集送货一体化问题的最优调度研究

针对江浙沪一带中小型配送中心提供集送货一体化服务增多、运营成本增加这一现象,通过建立该配送类型的车辆调度模型,然后利用分派启发式算法和改进的节约算法设计混合启发式算法来解决这一类问题。并给出算例,验证该算法的可操作性。     

基于ACO的TSP问题研究

从1991年意大利学者DorigoM等首次提出蚁群算法以来,蚁群算法作为一种自然计算方法,由解决TSP问题开始,从一维静态优化问题到多维动态优化问题,发展到今天已经相对成熟了,蚁群算法可以用来解决一些尚未找到有效算法的问题,而且蚁群算法还是元启发式算法(Metaheuristic),是一种算法框架,可以在其基本思想上针对不同问题做改进从而应用到不同问题上去.     

TS算法视域下物流配送车辆优化调度问题研究

针对传统TS算法的全局寻优能力受限于初始解的质量的缺陷,提出了一种基于改进TS算法并采用C-W算法获得初始解来解决物流配送车辆优化调度问题。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种采用C-W算法来求初始解的方法,在此基础上定义了禁忌算法的禁忌表结构、禁忌长度以及领域的构造,从而定义了一种改进的TS算法。仿真实验证明该方法能有效地解决带时间窗的车辆调度问题,且与传统的TS算法相比,本方法在求解质量和寻优效率上有大幅提高。     

模糊车辆配送问题的改进蚂蚁算法

模糊车辆配送问题是物流调度领域中一个具有现实意义的多目标FVRP问题。论文针对问题的特性,提出了一种结合启发式初始种群以及推-碰撞-掷规则,并引进了服务紧急程度影响因子的改进蚂蚁算法。实验结果表明,改进蚂蚁算法能够得到较好的模糊车辆配送问题满意解。     

TS算法视域下物流配送车辆优化调度问题研究

针对传统TS算法的全局寻优能力受限于初始解的质量的缺陷,提出了一种基于改进TS算法并采用C-W算法获得初始解来解决物流配送车辆优化调度问题.首先,定义了车辆调度问题的数学模型,在此基础上提出了一种采用C-W算法来求初始解的方法,在此基础上定义了禁忌算法的禁忌表结构、禁忌长度以及领域的构造,从而定义了一种改进的TS算法.仿真实验证明该方法能有效地解决带时间窗的车辆调度问题,且与传统的TS算法相比,本方法在求解质量和寻优效率上有大幅提高.     

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。     

一种解决配送规划问题的改进节约算法

车辆优化调度问题（VSP）是物流配送中广泛存在的一类问题，VSP问题属于NP一困难问题。在描述了简单VSP模型的基础上，对启发式算法中的C-W节约算法进行改进，将AK算法的思想运用其中，使计算结果的优化程度明显提高。     

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。     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。     

基于模拟退火遗传混合算法的指派问题研究

根据指派问题的特点建立数学模型．提出了以模拟退火算法和遗传算法相结合的思想及其解决方案。通过算例表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的。     

基于文化基因算法的组合拍卖竞胜标决定问题研究

针对组合拍卖竞胜标决定问题(WDP)这一NP难题,提出利用文化基因算法(Memetic Algorithm)对其进行求解。结果表明其在求解该问题上相比遗传算法、模拟退火算法具有稳定性好,求解质量高,收敛速度快,运算效率高的特点,能够提高组合拍卖的效率。     

蚂蚁算法在复杂性运输路径问题中的应用——多车场多车型路径问题

车辆路径问题中,行驶路线往往取决于一系列约束条件,如配送中心个数,货物需求量,交发货时间,车辆容量限制等。要想达到一定的目标,如路程最短,费用最小,时间尽量少,车辆尽量少等,就得借劲于合适的算法去解决实际的问题。蚂蚁算法在解决著名的旅行商（TSP）问题上已取得了很好的成效,目前已陆续渗透到其他问题的求解上。文章主要针对多车场多车型车辆路径问题,用蚁群算法以及蚁群算法的优化算法去解决一些实际问题。     

基于遗传算法的带时间窗约束车辆路径问题研究

在建立带时间窗约束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算法,并进行了实验计算.计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

遗传算法在物流配送网点选址中的优势与实现

研究了遗传算法在物流系统配送网点的选址问题中的优势,并依据物流系统配送网点选址的实际情况给出了基于遗传算法的物流系统配送网点选址的具体实现过程和算例。     

差异演化算法求解集合划分问题

集合划分问题是组合优化中典型的NP难题,建立了集合划分问题模型,采用差异演化算法对其进行求解。通过对其它文献中仿真实例的计算和结果对比,表明了算法对求解集合划分问题的可行性和有效性。     

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。     

遗传算法在车间物流配送优化中的应用

在车间物流配送中,合理确定配送路径是提高搬运质量、降低配送成本、增加经济效益的重要手段。在建立车间物流配送优化问题的数学模型的基础上,构造了求解物流配送路径优化问题的遗传算法。计算结果充分表明,遗传算法在进行车间物流配送优化中有很大的优势,可以有效地求得问题的最优结果。     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。