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连锁便利店配送路径优化研究

针对零售超市较高的送货时间段、服务时间要求,构建以配送费用最小为目标的带时间窗物流配送路径优化模型,以优化零售小店物流配送网络、提高物流配送质量为目的,采用改进遗传算法对模型进行求解。以石家庄部分苏宁小店为例,对其物流配送路径进行研究,优化后路径配送费用比优化前降低21.5%,研究结果为企业确定经济、合理的配送路径提供参考。     

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。     

一种遗传算法求解指派问题的改进策略

指派问题是一种特殊的组合优化问题。遗传算法适于群体问题优化。通过构造合适的适应度函数,设计良好的染色体编码,选择合理的遗传操作,文章提出的改进策略有效地实现了指派问题的求解。     

基于Matlab物流配送路径优化问题遗传算法的实现

在物流管理学中。研究物流配送路径优化问题并选取恰当的配送路径。可以加快对客户需求的响应速度．提高服务质量，增强客户对物流环节的满意度。降低服务商运作成本。但由于物流配送路径优化问题是一个NP—hard问题，使用传统优化方法很难得到最优解或满意解。本文基于Matlab进行了物流配送路径优化问题遗传算法的编码．利用Matlab强大的数值计算能力较好地解决了这个难题并进行了实例验证．对物流企业实现科学快捷的配送调度和路径的优化有实际意义。     

基于遗传算法的协同配送路径优化研究

针对现代物流配送中存在的运营成本高、效率低、整合度低等问题,构建基于多物流中心协同配送的路径优化模型,在算法选择上针对协同配送的特殊方式,提出引入虚拟客户的编码方式和基因换(移)位的变异方式来求解最优配送路径,并通过实例验证了模型和算法的有效性与可行性。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

基于遗传算法的内河船舶路径优化问题研究

将遗传算法应用到内河船舶的路径优化研究中,建立了以运送成本最低为目标的无时间窗约束的内河船舶路径优化模型,并对模型的遗传算法进行了设计.通过实例的计算验证了该模型在内河船舶路径优化中的有效性.     

基于遗传算法的内河船舶路径优化问题研究

将遗传算法应用到内河船舶的路径优化研究中,建立了以运送成本最低为目标的无时间窗约束的内河船舶路径优化模型,并对模型的遗传算法进行了设计。通过实例的计算验证了该模型在内河船舶路径优化中的有效性。     

基于遗传算法(GA)的配送路径优化问题研究

文章在建立配送车辆路径优化问题数学模型的基础上，构造了遗传算法来求解该问题，并在算法中引入了自然选择、交叉操作、变异操作等思想：实验结果表明，此算法可以有效求得车辆路径问题的优化解或近似优化解．是求解车辆路径问题的一个较好的方案。     

基于遗传算法的电子商务物流车辆路径系统的优化

在一般车辆路径系统的基础上,介绍了一般性遗传算法的常规流程,并在遗传选择、交叉和变异环节进行了改进,通过实证证明了改进遗传算法有效可靠,提高了算法的收敛速度。     

遗传算法在固定货架堆垛机拣选路径优化中的应用

固定货架的拣选路径优化问题是一个典型的TSP问题。以堆垛机拣选路径作为研究目标,通过计算货位点所在的坐标位置产生拣选点。运用基于顺序的遗传基因编码方式编制程序,对拣选路径进行优化。仿真实验和实际应用表明该算法能较快找到最优解,并有效提高系统运行效率。     

货物配装和车辆路径问题的一种联合求解方法

货物配装和车辆路径问题(VRP)都是NP难问题,启发式算法是求解此类问题的常用方法。求解单配送中心多车型的货物配送问题,需要改进传统遗传算法:首先采用双层结构表示染色体,车辆数无需事先确定;然后对随机产生的客户序列,利用三叉树算法进行货物配装确定每辆车的配装方案,从而可以知道每个客户的货物装车顺序;依据先装后卸的原则,可得每辆车的客户装车顺序的逆序便是每辆车的客户配送顺序;最终得到货物配装方案和配送方案。基于此思想,通过Java编程验证了一个实例,证明算法切实可行,对实际作业有一定借鉴作用。     

基于免疫遗传算法的物流配送VRP求解

通过对物流配送中心运输车辆路线问题的研究,建立了物流配送VRP问题的数学模型.运用Java语言编程实现免疫遗传算法,应用于求解VRP问题.通过对比本算法与遗传算法的实验结果,显示出本算法在解决物流配送VRP问题方面的优越性.     

自适应并行遗传算法求解非对称性旅行商问题

遗传算法是一种模拟生物进化的搜索最优解算法。根据交叉概率与变异概率在不同时期的不同要求,提出一个随进化代数和群体的适应度进行自适应调整的策略。同时,采用粗粒度并行策略,使算法具有更好的收敛性、稳定性、更快的速度和更好的优化质量。最后通过一些精典的非对称性旅行商问题对该算法进行了检验,结果表明自适应并行遗传算法可以有效提高遗传算法的求解性能。     

自适应并行遗传算法求解非对称性旅行商问题

遗传算法是一种模拟生物进化的搜索最优解算法.根据交叉概率与变异概率在不同时期的不同要求,提出一个随进化代数和群体的适应度进行自适应调整的策略.同时,采用粗粒度并行策略,使算法具有更好的收敛性、稳定性、更快的速度和更好的优化质量.最后通过一些精典的非对称性旅行商问题对该算法进行了检验,结果表明自适应并行遗传算法可以有效提高遗传算法的求解性能.     

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.     

带软时间窗车辆路径问题改进遗传算法

研究了考虑车辆数和总成本情况下的软时间窗车辆路线问题的多目标规划问题.提出了一种改进的遗传算法,在算法中利用适应度函数解决了两个目标之间的平衡问题.通过修改交换算子,不仅增加了算法的搜索能力,还去掉了种群差异性的限制.通过实例验证说明该算法能有效地解决软时间窗车辆路线问题,为实际应用提供有力的决策支持.     

带软时间窗车辆路径问题改进遗传算法

研究了考虑车辆数和总成本情况下的软时间窗车辆路线问题的多目标规划问题。提出了一种改进的遗传算法,在算法中利用适应度函数解决了两个目标之间平衡问题。通过修改交换算子,不仅增加了算法的搜索能力,还去掉了种群差异性的限制。通过实例验证说明该算法能有效地解决软时间窗车辆路线问题,为实际应用提供有力的决策支持。     

基于遗传算法的人工订单拣选路径优化研究

以人工订单系统为对象,考虑ABC存储策略下,在客户随机到达的订单中,当物品的类别和数目随机时,运用基本遗传算法来解决双区型仓库布局的拣选路径优化问题,建立了人工订单拣选系统的路径优化模型,采用遗传算法对建立的模型进行求解,得出了优化的拣选距离和拣选路径,缩短了拣选的时间和作业时间.