遗传算法有时间非满载车辆调度问题研究

研究使用遗传算法求解物流配送组织过程中车辆调度问题。对于有时间窗的非满载VSP问题,将货运量约束和时间窗约束转化为目标约束,建立了VSP模型。使用最大保留交叉、交叉率和变异率的自适应调整等技术,设计了给予自然数编码的可同时处理软、硬时间窗约束的遗传算法,并给出算例,验证调度模型和遗传算法。     

车辆调度问题模型的优化研究

本文从为物流配送企业提供智能化、决策化支持的目标出发,对车辆优化调度问题进行了数学分析和研究,解决了车辆的配送线路试题。     

配送车辆路径优化问题算法研究

配送车辆路径优化问题是影响物流配送效率和成本的关键问题,同时也是应用数学、计算机和物流配送领域研究的热点问题.路径优化的算法主要有精确式和启发式两种.精确式算法可以求解小规模VRP的配送路径问题,当VRP规模增大时,则很难求得满意结果.启发式算法主要有构造式、两阶段式、智能式算法,其对于解决大规模VRP的路径优化的问题具有重要帮助.     

配送车辆路径优化问题算法研究

配送车辆路径优化问题是影响物流配送效率和成本的关键问题,同时也是应用数学、计算机和物流配送领域研究的热点问题。路径优化的算法主要有精确式和启发式两种。精确式算法可以求解小规模VRP的配送路径问题,当VRP规模增大时,则很难求得满意结果。启发式算法主要有构造式、两阶段式、智能式算法,其对于解决大规模VRP的路径优化的问题具有重要帮助。     

基于改进MMAS的多配送中心车辆调度问题研究

针对城市多配送中心车辆调度问题,在分析最大最小蚁群算法的基础上,提出了改进MMAS算法,该算法重点对信息素的挥发机制进行探讨,并引入自适应机制对信息素的确定方案进行改进。实验结果证明,改进MMAS算法对于优化多配送中心物流车辆路径问题是有效的。     

有时间窗的车辆路径问题的改进MAX-MIN蚁群算法

MAX—MIN蚁群算法是一种改进蚁群算法,文本构造了求解VRPTW的最大最小蚁群算法,将仿真结果与其他经典算法进行比较,结果证明该算法性能优良。     

C-K节约算法在配载车辆调度问题上的应用研究

本文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,求解调度模型。研究表明改进C-K节约算法是求解配载车辆调度问题的有效算法。     

有时间窗的车辆路径问题的改进MAX—MIN蚁群算法

MAX—MIN蚁群算法是一种改进蚁群算法，文本构造了求解VRPTW的最大最小蚁群算法，将仿真结果与其他经典算法进行比较，结果证明该算法性能优良。     

基于节约算法的车辆路径问题研究

车辆路径问题是物流配送中的决策难题,配送成本的减少成为优化的主要目的,而科学家们对车辆调度优化采用的方法层出不穷。本文针对节约算法做了简单的概述与研究,并以飞马快运公司为例,采用节约算法对该公司的车辆调度进行简单的调整。     

C—K节约算法在配载车辆调度问题上的应用研究

本文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,求解调度模型。研究表明改进C—K节约算法是求解配截车辆调度问题的有效算法。     

车辆路径问题的节约算法改进

节约算法作为求解车辆路径问题的一种启发式方法,将节约算法进行改进将有助于实现配送路径的优化选择。本文基于对节约算法中优先策略进行选择,对节约算法做出一定的改进,通过对思路及程序进行详细介绍,并将其运用到具体案例中,最终得到了较为满意的路径策略选择。     

浅析物流配送中车辆调度问题

物流配送是物流活动中一种非单一的业务形式,是物流活动中直接与消费者相连的环节,在物流组成成本中,配送成本占相当高的比例,配送线路合理与否对配送速度、成本、效益影响很大.因此车辆路径问题（Vehicle Routing Problem,简称VRP）成为众多学者竞相研究的热门话题,研究配送车辆调度问题具有重要的理论价值和现实意义.     

物流配送中车辆调度问题的研究

在现代物流集约化、一体化的发展过程中,配送是直接与消费者相连的重要环节,配送车辆优化调度是物流系统优化、物流科学化的关键一环,是企业改善服务水平、降低物流配送成本、提高经济效益的重要途径。     

求解车辆路径问题的改进布谷鸟算法

将一种新型的智能优化算法——布谷鸟算法(Cuckoo Search Algorithm,CS)用于车辆路径问题的求解。针对基本CS算法种群多样性差、寻优精度低等不足,提出一种动态交叉算子来丰富种群多样性,避免种群个体陷入局部最优,增强算法的全局寻优能力。通过对比试验验证了算法在求解VRP问题时具有寻优精度高、性能稳定等特点,是求解VRP问题的一种有效的算法。     

基于模拟退火算法的物流配送车辆调度问题研究

在详细分析遗传算法的局限性的基础上,构造了一种基于遗传算法和模拟退火算法的、用于求解车辆路径问题的退火遗传算法．GA和SA的结合,使得串行搜索成为多点并行搜索,混合算法的搜索行为可通过控制温度参数加以控制,且理论上GA并不影响平稳分布,因此鲁棒性必将提高。     

配送中心车辆调度问题的分级求解

本文根据配送中心运输任务类型的复杂程度不同,将车辆调度问题分为四个等级。进而描述每个等级的约束条件,并结合实际应用对各个等级问题的求解方法进行了讨论。     

车辆调度问题的全局—局部最优信息比粒子群算法研究

文章提出了一种新的改进标准粒子群算法即全局—局部最优信息比粒子群算法。该算法与标准粒子群算法和全局—局部最优最小值粒子群优化算法作了比较,仿真实验结果表明,该算法在收敛速度、解的质量和鲁棒性上都表现出了较优的性能,是求解车辆调度问题的一种较好方法。     

分时段配送车辆调度问题的禁忌搜索算法

建立了分时段配送车辆调度问题的数学模型,同时采用禁忌搜索算法计算优化的配送线路和配送时间,并采用实例进行仿真计算。计算结果表明算法的计算效率较高,收敛速度较快,计算结果也比较稳定。     

一种改进的 Linux 实时进程调度算法 ——RAD 算法

在 Linux 实时进程调度算法中,RM 算法是一种针对任务周期的长短来确定优先级调度算法,EDF 算法是以最后期限的 顺序来指定优先级的动态调度算法,这两种算法在 Linux 内核调度算法中都得到广泛应用。在深入分析以上两种算法优缺点的基础 上,提出将两种算法优点合并,根据进程的重要程度和紧急程度来选择确定进程调度的优先级,得到一个新的高效 RAD( Rate And Deadline) 算法。     

两阶段启发式算法在带时间窗的车辆路径问题中的应用

对带时间窗约束的物流配送车辆路径问题，构造了一种两阶段启发式算法。算法第一阶段采用k-means算法将客户泶类分群，算法第二阶段对每一客户子类采用禁忌搜索算法优化车辆路径。仿真实验结果表明，该算法是有效的。