基于免疫遗传算法的物流配送VRP求解

通过对物流配送中心运输车辆路线问题的研究,建立了物流配送VRP问题的数学模型.运用Java语言编程实现免疫遗传算法,应用于求解VRP问题.通过对比本算法与遗传算法的实验结果,显示出本算法在解决物流配送VRP问题方面的优越性.     

遗传算法在物流配送决策中的应用

本文应用遗传算法优化物流配送决策，并描述该优化决策中的遗传染色体结构和适应度函数，设计相应的遗传操作．并进行仿真实验。     

遗传算法在军事物流运输路径选择中的运用

对物流中常见的运输路径选择问题进行了基于遗传算法的的分析，并主要针对军事目的中的时间限制问题（时间窗），结合军事物流的特点，对其遗传算法模型进行了一定的改进。     

遗传算法在拖轮调度中的应用

根据某港口的实际情况,分析拖轮工作的工作过程和特点,以拖轮编号作为编码形式,将遗传算法应用到拖轮调度系统中,实现优化调度,提高拖轮作业的效率。     

基于改进遗传算法的成品油配送车辆调度问题研究

为有效解决成品油配送中的油罐车车辆调度问题,构造了多车型-多油品-多加油站的成品油配送车辆调度优化的数学模型,设计了改进遗传算法对所提出模型进行求解,并用具体算例验证了模型和算法的有效性.     

基于遗传算法的快递配送车辆路径问题研究

在快递配送过程中,快递配送中心作为货物集散点,首先要分派车辆到各个配送点(客户)送货和取货,为降低配送成本,提高配送效率,车辆的调度是一个重要的问题.根据快递配送的特点,主要研究的车辆路径问题为配送中心在为各分点进行快递配送时,采用快件送达和收集同时服务的配送策略,假设车辆在各点之间的行驶时间服从正态分布,配送分点有软时间窗约束并且快件收集数量服从泊松分布的条件下,建立了问题的求解模型,并进行了基于遗传算法求解的应用设计.该遗传算法通过基于适应度排名和最佳个体保留的选择策略和自适应交叉概率的参数控制来保证所求结果的优良性,并设计算例用matlab编程进行实验,证明了算法的可行性.     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

遗传算法在物流配送网点选址中的优势与实现

研究了遗传算法在物流系统配送网点的选址问题中的优势,并依据物流系统配送网点选址的实际情况给出了基于遗传算法的物流系统配送网点选址的具体实现过程和算例。     

遗传算法在物流配送网点选址中的优势与实现

研究了遗传算法在物流系统配送网点的选址问题中的优势,并依据物流系统配送网点选址的实际情况给出了基于遗传算法的物流系统配送网点选址的具体实现过程和算例.     

基于3G技术的卷烟物流配送应用研究

通过对烟草行业管理流程的详细分析,针对线路优化、车辆监控调度和相关业务衔接等关键物流环节,提出基于3G技术的卷烟物流配送车辆调度系统的技术构成和具体实现。     

基于遗传算法轿车焊装车间车辆路径优化

遗传算法是一种模拟自然进化过程搜索最优解的方法。通过建立某轿车焊装车间车辆路径问题数学模型,然后利用遗传算法求解该问题,最后在Matlab软件中进行编程求解,有效地求解出问题的最优解或近似最优解。     

装卸混合的软时间窗VRP问题混合算法研究

考虑了配送车辆在客户点会同时发生卸货和装货的情况,构建了装卸混合的软时间窗VRP模型,并通过遗传禁忌混合算法求解。通过实例说明,该混合遗传算法能很好地解决装卸货混合VRPTW问题,获得较好的优化效果。     

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。     

配送中心车辆调度模型及遗传算法设计

针对物流配送中心车辆调度问题,采用混合整数规划方法进行建模。对实际问题进行研兖分析后,基于所研究问题的特点,提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较,获得最佳参数组合．建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验．验证了算法的有效性。     

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。     

配送时间窗约束下车辆调度遗传算法研究

通过改进传统的遗传算法,结合中海油服物资配送特点,采用启发式交叉算子的方法,确保了算法迭代中的种群多样性。制定了基于配送时间窗约束情况下模糊预约时间的钻井平台损失惩罚函数,对可行解的范围进行了限定,从而加速收敛,保证了运算的效率。通过案例进行分析证明了可行性。     

基于遗传算法的企业配送路径问题研究

为提高企业竞争力,加快企业发展,企业已将优化重点转向物流配送环节,文中通过遗传算法设计并求解企业配送路径问题,设计合理的配送路线,提高配送效率,降低物流成本。     

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。     

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证。实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。