基于启发式拟人算法的三维装箱问题求解

三维装箱问题是一个NP完全组合优化问题.根据三维装箱问题的特点,在研究三维装箱问题的约束条件的基础上,提出一种基于模拟人工装载的启发式算法,采用三维分割来处理装箱空间结构,利用递归方法提高层中空间的利用率,采用人工智能方法处理待装物体得出装箱结果,实验结果表明,该算法是行之有效的,并具有一定的通用性.     

三维装箱问题的启发式算法

三维装箱问题是一类典型的NP-hard组合优化问题.在一维、二维装箱问题基础上,设计了一种启发式算法,借以克服一般启发式算法依赖“经验”的不足,该算法结构简单,实验表明算法收敛速度快.     

三维装箱问题的启发式算法

三维装箱问题是一类典型的NP-hard组合优化问题。在一维、二维装箱问题基础上,设计了一种启发式算法,借以克服一般启发式算法依赖"经验"的不足,该算法结构简单,实验表明算法收敛速度快。     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。     

粒子群自进化算法求解物流装箱问题

为了解决当今物流行业中装载货物类型为强异构的情况,提高装载填充率和效率,提出了一种求解三维装箱问题的元启发式算法——粒子群自进化算法。算法包含两部分：极限点构造启发式算法和粒子群自进化规则。极限点构造启发式算法引入了极限点的概念,利用新的极值点思想推导出了三维装箱问题的启发式算法。粒子群自进化规则提出了在货物装载序列中表示粒子的方法,推导了粒子间交叉、变异算子,在极限点构造启发式算法的基础上不断迭代进化完成货物的装载。通过不同结果的比对,证明该算法显著提高了物流装载的空间利用率,强异构货物的平均装载率达到了85%,验证了算法在强异构货物下的有效性与优越性,并给出了货物装载的三维模型。由于实际测试集的缺少,分别为机腹仓装载类和集装板类模型提出了实例生成器,通过生成器的测试集验证了算法在实际应用中的紧凑性、实用性和快捷性。     

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。     

供应链中配送系统联合优化的数学模型及求解的混合算法

主要分析了供应链配送系统中分销商和零售商之间的关系，应用最优化方法提出了以转运为基础的动态数学模型。设计了遗传算法和线性规划单纯形法相结合的混合算法。该算法成功的解决了0-1混合整数规划问题，并以苏果超市为背景对模型进行实例分析。分析结果表明，该模型能够有效的降低库存，为企业科学决策提供了支持。     

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.     

基于SP的模拟退火算法在装箱问题中的应用

在传统模拟退火算法的基础上,对装箱问题的优化算法进行了研究.结合装箱问题的具体特点,采用SP序列对来描述模块间的拓扑关系,并通过精细的模拟退火策略(精细的降温策略,提前退出策略),以及增量式的新解评估策略对算法进行优化.试验结果表明,相比传统的模拟退火框架,改进的算法能够取得较好的运行时间与面积利用率.     

基于SP的模拟退火算法在装箱问题中的应用

在传统模拟退火算法的基础上,对装箱问题的优化算法进行了研究。结合装箱问题的具体特点,采用SP序列对来描述模块间的拓扑关系,并通过精细的模拟退火策略(精细的降温策略,提前退出策略),以及增量式的新解评估策略对算法进行优化。试验结果表明,相比传统的模拟退火框架,改进的算法能够取得较好的运行时间与面积利用率。     

矩形物体布局问题的实用求解算法

本文提出了一种基于空间分解的二维矩形物体布局的启发式算法，该算法主要采用定序规则、摆放规则、定位规则和空间合并的策略。本文还将有方向、配置位置、码垛层数等约束的三维问题，巧妙地转化为二维问题，最后通过实例计算表明了该算法的可行性和有效性。     

基于布置点的矩形物体布局问题的遗传算法研究

在分析布局问题的基础上,提出了布置点的概念,对编码方法进行了改进,在此基础上提出了一种用遗传算法解决二维矩形物体装箱的方法。案例分析表明,该算法具有良好的全局搜索能力和较快的收敛速度。     

一类集装箱布局问题的优化计算

本文对一类集装箱布局问题，即待布物体为单一长方体的装箱布局优化计算问题进行讨论，根据待布物体的尺寸，把集装箱的平面分为二个区域，从而使剩余待布区域最小。方法计算过程简单，效果明显。这类问题在集装箱运输中有大量应用。     

混合遗传算法求解一类多资源生产调度问题

研究了机器设备、工人人数和机器人三种资源受限制的多资源生产调度的问题,建立了数学模拟。采用遗传算法和模拟退火算法相结合的混合遗传算法对问题进行求解。通过仿真试验验证了该混合遗传算法求解此类多资源生产调度问题是可行的、有效的。     

随机仓库布局问题模型与算法研究

通过讨论随机条件下仓库布局问题．建立了随机仓库布局问题机会约束规划模型，并设计出基于随机模拟的禁忌搜索算法求解模型，最后利用算例来验证算法的有效性。     

禁忌搜索算法在车辆调度决策中的应用

论文探讨了交通线路可能被敌方毁坏情况下的车辆路径优化问题，建立了不确定的两阶段整数规划数学模型，分析了路径方案的最大和最小效用值。在线路方案评价值的计算中只计算最小值和最大值，简化了方案的目标值计算。设计了求解模型的双层禁忌搜索算法。最后通过应用示例验证了模型和算法的有效性。     

混合遗传算法在运输路径问题中的应用

建立物流运输优化的数学模型,来构造求解该问题的遗传算法。通过分析和比较几种混合遗传算法,提高运输车辆路径优化问题的求解效率并可优化解的质量。     

基于遗传算法的军用集装箱装载优化

以军用集装箱装载为研究对象，在考虑实际应用中的一些约束条件下，构造了军用物资的装载优化模型，提出了一种军用集装箱三维装载的遗传算法。该算法考虑了货物放置方向、装载客积、装载质量及装载重心等约束条件。最后对一个案例进行了计算，验证了该模型的有效性，并且利用3ds max得到了装载方案的三维图。