基于混合微粒群算法的带时间窗的车辆路径问题研究

本文在基本微粒群算法（PSO）的位置更新中引入了模拟退火算法思想，并改进了模拟退火算法（SA）中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性，避免了基本PSO易于陷入局部最优的缺点，提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题（VRHTW），它可以有效地求得有时间窗车辆路径问题的优化解。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

带混合时间窗的配送车辆路径问题研究

针对传统的配送车辆路径问题,在传统的运距及容量等限制下,增加客户的混合时间窗和车辆在客户点的服务时间,以惩罚、配送总成本最低为目标,构建出带有混合时间窗的车辆路径问题的数学模型.并引入优良基因及最优个体保护策略改进遗传算法,同时设计参数自适应调整公式调整交叉概率,设计了带混合时间窗的配送车辆路径问题的改进遗传算法,最后由实例证明了VRPMTW模型及遗传算法的有效性.     

蚁群算法解决有时间窗的车辆优化调度问题研究

有时间窗的车辆路径问题（Vehicle Routing Problem With Time Windows，VRPTW）属于NP-Hard问题，严格的时间约束使VRFTW非常复杂。应用蚁群算法（Ant Colony Algorithm,ACA）思想来解决VRPTW。对已有蚁群算法解决车辆路径优化问题（VRP）的模型进行改进，对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过算例分析，将计算结果与遗传算法（GA）和粒子群算法（PSO）作了比较，对模型和算法的正确性、高效性、适用性进行了验证。实验结果表明，ACA可以快速、有效求得VRFTW的优化解，是求解VRFTW的一个较好方案。     

基于改进蚁群算法的时间窗约束下物流配送车辆路径优化研究

物流配送车辆路径优化作为一个涉及多影响因素、多目标需求的组合优化问题,其中带时间窗约束的物流配送车辆路径优化问题更是一个NP难题,较难得到最优解。文章分析带时间窗约束的车辆路径问题并建立相应数学模型,提出将变异和动态信息更新的改进蚁群算法应用于解决这类优化问题,同时仿真实验结果表明该算法能快速收敛于全局最优解,能有效地解决有时间窗约束下的物流配送车辆路径优化问题。     

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。     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。     

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。     

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。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。     

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.     

时变路网无能力约束车辆路径优化

讨论了一类时变路网下的无能力约束车辆配送路径优化问题,建立了基于时变路网的以配送总耗时最短为优化目标的无能力约束车辆配送路径优化模型。提出了基于实时Dijkstra算法的模型求解方法。数值算例表明考虑路网时变特性得到的优化配送方案将更加符合配送实际。     

基于取送货一体的车辆运输路径优化问题综述

车辆路径规划问题,最早是由Min提出的,他将同时取送货VRP问题并定义为VRPSPD问题,并针对图书馆取送书更新作业模式,建立了VRPSPD数学模型,并采用两阶段启发式算法进行模型求解。随着VRPSPD模型目标、约束条件以及求解算法的不断变化,VRPSPD问题已经发展为一个系统问题。本文主要针对VRPSPD问题的几种类型进行总结和分析,并对日后该问题的研究提出相关建议。     

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。     

时间窗约束下的非满载车辆优化调度算法研究

在车辆优化调度问题上．文章将配送车辆根据任务的性质分成满载和非满载两类问题。针对时间窗约束下的非满载车辆优化调度问题，同时考虑特定的时间窗和车辆客量、行驶距离等约束条件．运用数学规划理论对其进行了研究。并在分析其数学模型的基础上．给出了实例分析，对提高物流配送效率和降低成本具有重要意义。     

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。     

带时间窗的应急救助物资配送车辆路径优化模型研究

在自然灾害突发后,必须将救助物资在规定的时间内运送到受灾点.针对带有时间窗的应急救助物资配送车辆路径优化问题进行研究,建立车辆路径优化模型并运用了蚁群算法进行求解,取得了较好的效果.     

带时间窗的应急救助物资配送车辆路径优化模型研究

在自然灾害突发后,必须将救助物资在规定的时间内运送到受灾点。针对带有时间窗的应急救助物资配送车辆路径优化问题进行研究,建立车辆路径优化模型并运用了蚁群算法进行求解,取得了较好的效果。