改进的扫描法求解单车场多车型车辆路径问题

提出一种求解单车场多车型车辆路径问题（SHVRP）的改进扫描法,介绍了该算法的基本思想与实现过程,并用郑州煤电物资供销有限公司的SHVRP验证了该算法的有效性。     

求解多集散点车辆路径问题的顺路捎带法

为了更好的解决多集散点车辆路径问题,文章突破了传统MDVRP研究中一个客户的订单只能由一辆车承载的限制,提出了一种新的算法．阐述了算法的基本原理,结合有效运输值,给出了算法具体的顺路捎带规则。通过实例证明该算法在求解多集散点车辆路径问题时是有效的。     

基于低碳排放的多车型车辆路径优化问题研究

针对物流配送过程中,如何合理安排配送路线,提高配送效率、降低配送成本和碳排放量的问题,分析了车辆载重量、行驶速度、行车距离、交通状态等因素对车辆油耗的影响,建立了以最小化配送成本和碳排放量为优化目标的多车型车辆配送路径模型。同时,结合蚁群算法对该优化问题进行求解。仿真结果验证了算法能够有效的降低配送成本和碳排放量。     

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。     

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...     

随机时间约束的城市物流配送车辆路径问题研究

考虑了城市物流配送中道路交叉口延误的影响,提出了基于一定置信水平下满足客户时间约束的机会约束模型,并用遗传算法进行了求解,实例分析表明,该模型及其算法是可行的。     

车辆路径问题:研究综述及展望

车辆路径问题是物流系统优化中的关键内容之一,是现代物流管理研究中的重要内容。文章梳理分析了车辆路径问题(VRP)的分类、模型及算法等,详细综述了多车型、多车场、时间窗车辆路径问题研究现状,指出联盟车辆调度问题、考虑车辆(供应)时间窗的车辆调度问题可能是VRP问题未来新的研究趋势。     

多隔间车辆路径问题研究综述

随着不能混装货物需要同时进行配送要求的出现,以及现代物流中待运产品多样性特征的产生,多隔间车辆路径问题(MCVRP)于近年来逐渐受到关注。文章首先归纳了多隔间车辆路径问题的应用场景,并阐述了每种场景下使用多隔间车辆运输不相容货物的优点。然后,根据问题特征,对多隔间车辆路径问题研究进行归纳分类并就每类研究问题分别予以综述。最后,针对多隔间车辆路径问题在当前形势下面临的新挑战进行展望,并提出五个新的研究方向。     

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.     

基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能,首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收敛现象,同时提出了一个主从式迁移策略来提高优质个体在交换过程的生存能力,有效的提高优化的速度和解的精度.最后,通过若十著名的车辆路径问题对该算法进行了验证,结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量.     

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。     

基于真实路网的车辆路径问题研究

车辆路径问题(VRP)是广泛应用于物流配送的组合优化问题。在实际应用中,传统的处理方法是先利用路网信息求出任意两点间最短路,生成完全连通图,然后进行VRP的优化求解,这样会浪费时间和空间,降低求解效率。因此,提出了一种基于真实路网的VRP建模方法,把任意两点间最短路的求解与VRP联合起来,通过仿真实验与传统的处理方法进行了比较,两种方法得到了相同的最优解,但基于真实路网的VRP建模方法在计算时间方面占优。     

遗传算法在VRP问题中的应用

配送是物流系统中一个直接与消费者相连的重要环节,对配送系统进行优化,可以提高物流经济效益、实现物流科学化。因此配送系统的优化问题显得尤为重要。进行配送系统优化,主要是配送车辆调度的优化。文章在全面分析研究物流配送业务特点的基础上．针对配送中的核心问题——车辆调度优化问题进行了深入的研究,建立了单源点物流配送车辆调度优化问题的数学模型,并运用遗传算法对其进行求解,仿真实例证明了该方法的有效性。     

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。     

车辆路径问题的组合优化算法

研究带有容量约束的车辆路径问题,在车辆数量不确定的情况下,结合PFIH算法和禁忌搜索方法,求解车辆路径问题.     

车辆路线安排的一种改进节约算法

首先介绍了求解路线安排的节约算法,指出了其存在的不足,然后提出了一种改进的节约算法,可以更好地解决车辆路线安排问题。     

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。     

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.