基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法。该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解。实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果。     

基于免疫粒子群优化算法的物流配送车辆调度算法

将物流企业的车辆调度问题建模为一个单目标多约束的优化问题,将免疫原理与粒子群优化算法相结合,提出了一个车辆调度的免疫粒子群算法.该算法能在群体进化时注入满足约束的疫苗,从而加快种群寻优的效率,得到质量更高的解.实验结果显示:相比传统的遗传算法和粒子群算法,该方法能够得到更加满意的车辆调度结果.     

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。     

基于混合蚁群算法的物流配送路径优化研究

蚁群算法存在一些缺点,如容易陷入局部最小,使整个系统呈现出早熟现象等。文章将蚁群算法和遗传算法结合起来构造混合蚁群算法,建立优化物流配送路径的数学模型。用混合蚁群算法通过仿真实例有效求得物流配送路径问题的较优解。课题的研究对物流配送路径具有优化作用,节约物流运送成本,提升企业竞争力。     

基于混合粒子群算法的配送车辆复杂路径优化

提出了基于混合粒子群算法(PSO)的配送车辆复杂路径优化方法,描述了混合PSO的原理和流程,并将其运用到物流配送路径优化问题中。实验结果显示,该方法能得到满意的路径优化结果。     

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。     

基于量子微粒群算法的车辆路径问题研究

提出一种基于量子行为的微粒群智能优化算法。使用量子角表示量子比特的状态,并引入微粒群算法中,对量子群中的各量子角进行自适应动态调整．设计一种新的编码方式,用于求解车辆路径问题,通过计算表明,该算法是解决车辆路径问题的有效方法。     

基于反向学习策略粒子群的物流配送路径优化研究

针对粒子群优化算法后期寻优能力,并易陷入局部最优等不足,提出了一种反向学习粒子群的物流配送路径优化算法(OBLPSO)。首先建立物流配送路径优化的数学模型,然后通过粒子之间的相互协作和信息交流进行求解,并引入反向学习机制提高粒子群寻优能力和收敛速度,最后在Matlab2012平台上对OBLPSO算法性能进行仿真测试。仿真结果表明,相对其它物流配送路径优化算法,OBLPSO算法可以获得时间短、路径合理的物流配送方案,具有一定的实用价值。     

物流配送车辆路径的优化方法分析

随着经济全球化的不断发展,各区域的经济交流不断加强,物流行业迅速发展起来,同时配送成本在物流行业发展过程中显得越来越重要。物流企业要想在激烈的社会竞争中不被淘汰,就必须考虑如何降低随着社会结构改变而出现复杂化的物流配送成本,不断提高自身的综合竞争力。文中主要介绍了有关计算和改进物流配送车辆路径优化方面的问题,着重论述了对蚁群算法在降低物流配送成本,以及物流配送车辆在路径优化上中的应用,从而选择出对配送车辆路径进行最好的优化的方法。     

物流配送系统中大规模最短路径算法的研究

在物流配送管理系统中,车辆路径优化是一个典型的难题,而最短路径算法是其基础。传统的最短路径算法,如Dijkstra最短路径算法因性能问题无法适应大规模的拓扑网络和实时计算。本文在Dijkstna最短路径算法的基础上,在方向优先等改进算法的启发下,设计和开发了基于GIS的大规模最短路径算法。实验表明,该算法受拓扑网络规模的影响极小,能够快速完成实时最短路径计算。     

基于免疫粒子群算法的应急物流配送车辆调度研究

以应急物流为背景,通过分析应急物流车辆调度问题的特点,在满足时间限制条件的基础上充分考虑车辆的载重和体积的限制,建立以运输距离最短和运输车辆最少的双目标车辆调度模型,并用免疫粒子群算法实现对模型的求解,来验证模型和算法的可行性和有效性。     

基于粒子群算法的应急物流配送车辆调度研究

结合应急物流配送的车辆优化调度问题,根据应急物流配送的突出特点,对应急物流配送车辆调度路径优化进行了探讨。并建立应急物流配送车辆调度模型,用粒子群算法对车辆的配送路径进行优化。最后通过对实例的分析,验证了本文所提出的模型、算法具有合理性和可行性。     

微粒群算法在现代物流系统优化中的应用

根据物流系统优化问题和微粒群优化算法的各自特点，提出了采用微粒群优化算法求解物流系统优化问题的相关策略，对微粒群优化算法在旅行商问题、车辆路径问题、配送中心选址问题、布局优化问题上的应用进行了研究。     

基于粒子群优化的LS-SVM的福建航空物流需求预测

根据福建省过去十几年航空货物发送量的数据,针对航空物流预测的不确定性,将粒子群优化算法和最小二乘支持向量机相结合,采用粒子群优化最小二乘支持向量机的方法来建立模型。并将优化后的最小二乘支持向量机模型应用于福建省航空物流的需求预测中,而后通过仿真对结果进行验证。     

抗烟物流与送货线路优化

根据杭州烟草物流配送网络信息化建设发展目标,对杭烟城区6400多户卷烟零售网点送货线路优化这一核心问题展开深刻的剖析与描述。内容包括杭烟物流配送服务现状、线路优化问题的难点与创新点、线路优化调度的具体实施方法,以及系统实现后的前景展望等。     

物流配送车辆线路的优化与应用分析

现代经济的发展,人们生活水平的提高,有效的推动了我国物流行业的发展。在这个竞争激烈的市场环境中,物流作为第三产业中的一种,其参与市场竞争的重要体现就是重视服务,在物流服务质量的重要体现之一就是物流配送车辆线路上。物流配送车辆线路选择的好坏直接关系到物流配送的效率,进而影响到服务质量。为此,物流配送车辆线路对物流行业来说有着至关重要的作用。文中对物流配送车辆线路的优化与应用进行了相关的分析。     

湖南省农产品物流配送模式的相关问题研究

研究湖南省现有的农产品物流配送模式,并针对湖南省农产品物流配送模式中所存在的问题进行分析,并提出一些措施建议。     

基于混合信息的粒子群优化算法

本文提出一种基于混合信息的粒子群优化算法。此算法具有充分利用种群信息,保证群体的多样性,快速收敛效果和避免陷入局部极值的能力。     

河南省农产品物流模式发展研究

农产品物流是农业经济发展的重要内容,河南省是一个农业大省,当前农产品物流信息化建设、中间环节以及基础设施都不完善。对此问题,文中认为加强信息化平台建设、推动农业产业化电商龙头企业的培育和发展冷链物流服务体系是解决当前河南省物流运作模式发展的重要举措。