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。     

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。     

有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题研究

基于现代物流业的现实状况和实际需求,研究了一个带有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题。给出一个遗传算法对该问题进行求解。在该算法中,为了提高其性能,并全面考虑所有约束,论文采取如下措施:(1)在初始种群形成之前,将各个任务的送货点按时间窗进行排序;(2)在所有任务的一个序列中用里程约束来控制车场的插入,并对软时间窗约束采取加入惩罚的方式解决。最后论文举例对该遗传算法进行说明,并对进一步的研究工作进行了展望。     

基于时间优化的指派问题研究

提出了一类基于时间优化的指派问题。与传统的指派问题不同,本文提出的指派问题从如何尽量提前最后完成的那项任务的结束时间的角度研究任务指派问题。根据影响该问题的三个因素将该指派问题区分为12类,最终形成5种有实际意义的类型并进行了讨论。     

多时间窗车辆路径问题的数学模型及算法

研究了多时间窗车辆路径问题,增加了车容量及最大行驶距离等限制条件,以总成本最低为目标,建立了整数线性规划模型,并利用Lingo软件编写了求解该模型的精确算法程序。然后通过引入最优个体保留机制对传统的遗传算法进行改进,设计了求解多时间窗车辆路径问题的遗传算法,最后通过具体实例验证了模型及算法的有效性。     

多时间窗车辆路径问题的数学模型及算法

研究了多时间窗车辆路径问题,增加了车容量及最大行驶距离等限制条件,以总成本最低为目标,建立了整数线性规划模型,并利用Lingo软件编写了求解该模型的精确算法程序.然后通过引入最优个体保留机制对传统的遗传算法进行改进,设计了求解多时间窗车辆路径问题的遗传算法,最后通过具体实例验证了模型及算法的有效性.     

一种求解装箱问题的混合算法

针对一维装箱问题,在考虑遗传算法早熟收敛问题和禁忌搜索算法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的装箱优化算法,与简单遗传算法相比,该算法具有更好的收敛性能。最后通过实例验证了算法的有效性。     

多背包问题的一种求解方法

多背包问题是一个NP-hard的组合优化问题,在预算控制、项目选择、材料切割和货物装载有着广泛的应用背景,在计算方法上,分别有学者提出各种精确算法和近似算法。本文提出启发式规则,将相对优的物品提前接受,将相对劣的物品直接排除,改进了多背包问题的求解速度。文中还分析了相对优和相对劣的选定标准对于计算速度和最优解质量的影响。     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性。     

多车场多车型车辆路径问题的优化研究

针对多车场多车型车辆路径问题,通过建立虚拟配送中心将多车场路径优化问题转化为单一车场路径优化问题.文章建立了数学模型并利用遗传算法求解模型,同时根据问题性质对遗传算法的编码和解码方式进行改进.基于企业实例的实证研究表明:文章提出的模型对求解多车场多车型车辆路径问题具有一定的优势,能够为企业实际的物流运输调度提供决策支持...     

一种改进的物流配送车辆调度启发式算法

针对物流配送中的车辆调度问题,提出了一种改进的启发式算法。该算法基于sweep算法和用于解决旅行商问题(TSP)的Cheapest Insertion算法,是一种二阶段算法。这种启发式算法首先使用sweep算法将所有顾客分派给运输车辆,然后对每辆车按照TSP的解决方法解决该车上的TSP问题。本算法比较有效的解决了有时间窗的车辆调度问题,可以用来构造某些业启发式算法的初始解。     

物流配送的车辆调度排班问题分析

随着经济的不断发展,城市正发生着日新月异的变化。城市的发展离不开大量货车的使用,所以如何解决物流配送车辆优化调度的问题就逐步成为城市建设发展的焦点。物流配送车辆优化调度的问题,即对固定的装(卸)货地点,选择较为适当的行车路线让车辆井然有序的从各个路点通过,并且在按照要求完成任务的情况下还起到了一定的优化作用。文中从物流配送车辆优化调度问题在国内外的现状分析开始入手,对物流配送的概述和流程进行了介绍,通过模拟试验利用动态策略解决实际的NP问题,还近一步的分析了国内外在物流配送车辆优化调度上针对实际问题的发展方向。     

多配送中心单向车辆调度问题的模型与禁忌搜索算法的研究

在对无时间窗和软时间窗多配送中心单向车辆调度问题进行直观描述的基础上,分别建立了相应问题的数学模型。提出了直接解决多配送中心单向车辆调度问题的禁忌搜索算法,设计了求解多配送中心单向车辆调度问题的算法流程,并对已经存在的实例进行了实验计算。     

基于蚁群算法的飞机加油车辆调度问题研究

飞机加油是停机坪地面保障作业的重要环节,能否对飞机按时按量的完成加油作业的关键因素在于对飞机加油车辆的合理调度,因此对飞机加油车辆调度的研究是十分有意义的。本文首先对飞机加油车辆的类型、功能、行驶过程及其注意事项做了简单的介绍,然后根据车辆调度的基本模型对飞机加油车辆调度的模型进行了比较具体的描述,文章最后用蚁群算法对某机场3个小时内飞机油罐加油车辆行驶情况进行仿真计算,希望通过对该模型的仿真优化计算,为机场加油车辆运行提供一种可行优化算法。     

基于具有量子行为的离散粒子群算法的作战飞机分散式加油车辆调度优化问题研究

针对战时情况下多机种综合保障基地作战飞机分散式加油车辆调度优化的实际问题,基于设备设施能力的约束,以最小化加油车最大完工时间为目标函数,建立了符合实际情况的数学模型.在问题求解方面,将量子行为引入基本PSO算法,构建出一种性能更好的QDPSO算法.实验表明,该算法能弥补基本PSO算法易陷入局部最优和早熟收敛的不足,在全局和局部解空间搜索效率和质量上表现更优,能够很好地懈决所研究的问题.     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

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.     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

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。