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。     

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。     

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.     

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。     

基于蚁群算法的应急物流配送车辆调度研究

以车辆配送问题为背景,运用了蚁群算法来求解应急物流配送车辆调度模型。在带有时间窗的基础上考虑应急系统各节点的运输距离和费用构造模型。根据模型的特点,设计了蚁群算法求解方法,并针对蚂蚁路径选择做了改进性分析。实例研究结果表明．蚁群算法在应急物流配送车辆调度问题中具有合理性、可行性和有效性。     

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.     

考虑总量和体积双重约束的时间窗车辆路径问题研究

车辆路径问题是被学者普遍研究的一个问题，也是一个经久不衰的研究课题。文章通过对车辆路径问题的改进，基于多种种类的货物，对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型，通过粒子群算法求解模型，给出合适的解决方案。     

烟草物流配送路线问题的实例研究

烟草物流配送问题可以抽象为车辆路径问题（VRP）,本文根据烟草物流配送的特点,设计相应的用于解决带时间窗的VRP问题的遗传算法.将该算法应用于具体的烟草物流配送案例中,编程实现并测试分析.最终验证了该方法在解决实际的大规模复杂问题的优越性.     

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。     

基于混合智能算法的仓库有限容量下随机存贮模型

针对仓库容量有限条件下的随机存贮管理问题,通过找出商品在销售进货过程中会出现的全部可能,确定得到总损失最小的方法,然后以最优订货点作为决策变量并确定约束条件,建立优化决策模型。采用基于随机模拟的混合智能算法对该决策模型进行求解。对模型中的不确定函数进行随机模拟,使用由其产生的一组输入输出数据来训练神经网络对该不确定函数进行逼近,然后将该神经网络作为适应度函数嵌套于遗传算法中,最后应用遗传算法解得模型的最优解。通过计算机仿真得到所需要的最优方案。实验表明,文中提出的基于混合智能算法的仓库随机存贮模型,较好地解决了实际应用中的仓库容量有限的随机存贮问题,具有很强的普遍性和实用性。     

基于改进蚁群算法的物流配送路径研究

车辆路径问题（Vehicle Routing Problem,VRP）是近几十年来运筹学、应用数学、网络分析、图论、计算机应用及交通运输等学科研究的一个热点问题,其产生于现实的公路交通运输领域,并在通讯、生产、国防、生物、计算机应用等领域得到了广泛的应用。本文着重研究有时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）}VRPTW现已被证明为NP-hard问题,当问题规模较大时,将很难得到问题的精确解。探讨如何经过少量的计算,得到一个相对满意的解,已成为现阶段学者研究的重点。文中提出用混合蚁群算法求解VRPTW,有效的缓解了信息传递快速与物流反应缓慢的矛盾,提高了物流配送的科学化效率,对电子商务物流配送的发展具有一定的理论意义与应用价值。     

我国混合动力客车产业发展对策研究——基于SWOT的分析

混合动力客车(HEB)作为节能环保的新型交通工具已成为客车产业的发展趋势。在我国混合动力客车的发展还处于成长阶段。采用SWOT分析方法,分析研究我国的混合动力客车产业发展,并针对现状提出相关建议。     

基于组合遗传算法的大规模物流网络设计

在对物流网络设计中常用的三种算法:遗传算法、生成树遗传算法和混合进化方法进行比较的基础上,提出采用组合遗传算法解决大规模基本物流网络设计程序。在该方法中,物流网络设计问题被抽象为选址-分派问题,并被进一步分解成选址和分派问题,且将分派问题镶嵌在选址问题中。选址和分派染色体分别使用二进制编码和矩阵编码、适值采用物流费用。该方法运算结果显示组合遗传算法比混合进化方法结果更精确,且在大规模问题求解方面速度优于通常的遗传算法。     

自然灾害下的公交疏散路线模型

自然灾害通常给社会带来巨大的危害,以自然灾害所引起的紧急情况作为研究背景,进行应急交通疏散预案研究。讨论自然灾害下的应急交通疏散问题并重点探讨疏散路线设计、疏散时间计算,用以达到在自然灾害发生前将人们转移至安全地点的目的。利用公交车作为疏散工具,将公交疏散路线问题归为带时间窗的车辆路径问题(VRPTW),建立基于VRPTW的公交疏散路线模型,以某地区为案例利用TransCAD软件中的车辆路径功能(VRP功能)设计疏散路线,得到标有疏散时间和疏散路线的地区图形,并最终计算得到每条路线的疏散时间、疏散人数、公交车数等信息。