混合蝙蝠算法在包装废弃物逆向物流中的应用

目的为了提高蝙蝠算法(BA)求解包装废弃物逆向物流问题的性能。方法在标准BA算法的基础上提出混合蝙蝠算法(HBA)。首先,构建新型蝙蝠表达式,使BA算法适用于包装废弃物逆向物流问题的求解。其次,引入自适应惯性权重,改造蝙蝠速度更新公式;然后,引入粒子群算法(PSO),对每次迭代中任一随机蝙蝠进行粒子群操作;最后,利用HBA算法对企业实例和标准算例进行仿真测试。结果企业最优回收距离为776.63 km。与遗传算法(GA)、蚁群算法(ACO)和禁忌搜索算法(TS)相比,HBA算法能够求得已知最优解的标准算例个数最多为6个,求得最好解与已知最优解的平均误差最小为8.58%,平均运行时间最短为4.39s。结论 HBA算法的全局寻优能力、稳定性和运行速度均优于GA算法、ACO算法和TS算法。     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

基于包装配送问题的混沌蛙跳布谷鸟算法研究

目的设计一种求解包装配送问题的混沌蛙跳布谷鸟算法(ChaoticFrogLeapingCuckooSearch Algorithm,CFLCSA)。方法对鸟巢个体进行实数编码,引入混沌机制和随机蛙跳算法,增强算法种群多样性和局部搜索能力,并利用E-n33-k4和E-n76-k8算例来验证算法的求解性能。结果 CFLCSA算法能够求得E-n33-k4已知最优解,求得E-n76-k8的最短配送距离与已知最优解的误差仅为5.03%,且算法求解结果及平均运行时间均优于混沌蚁群算法(Chaotic Ant Colony Algorithm, CACA)、改进遗传算法(Improved Genetic Algorithm, IGA)和禁忌搜索算法(Tabu Search, TS)。结论 CFLCSA算法求解性能优于CACA算法、IGA算法和TS算法,是一种较好的包装配送问题求解方法。     

学术前沿

正包装废弃物回收车辆路径问题的改进遗传算法作者:张异来源:包装工程,2018 (9)目的 -采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法 -提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

基于分枝界定的 VRP 模型精确算法研究及应用

目的克服用启发式算法求解车辆路线问题(VRP)结果精确度不高的缺点。方法建立了一种改进型的单场站、多辆车车辆路径数学模型。通过对车辆路径问题进行分析,将用于旅行商问题(TSP)的分枝界定法加以改进,设计出了一种车辆调度问题的精确算法,并用计算机对算法进行编程。用实例加以验证,对有1个中心仓库和8个需求点的配送系统进行了优化。结果得到含有3条线路、总路长为60 km的方案,相对于启发式算法的求解结果(77 km)缩短了17 km。结论运用分支界定法求解VRP的结果更加精确,也容易实现。     

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

改进智能水滴算法在车辆调度问题中的应用

目的克服标准智能水滴(IWD)算法泥土含量更新对象较为单一的缺点,提高其求解车辆调度问题的全局搜索能力。方法在IWD算法基础上,设计一种改进智能水滴(IIWD)算法用于车辆调度问题的求解。引入次优解集合的概念,每次迭代结束后同时更新最优解集合和次优解集合中的泥土含量;设计浑沌扰动机制,对陷入局部最优解的智能水滴进行浑沌扰动;根据车辆调度问题的特点,提出求解车辆调度问题的IIWD算法。结果得到含有8条子路径,总行驶距离为842.60 km的最优调度方案,相对于标准IWD算法(941.35 km)和遗传算法(860.76 km)的求解结果分别缩短了98.75和18.16km。结论与遗传算法和标准IWD算法相比较,IIWD算法在求解车辆调度问题时收敛速度更快,全局优化能力更高。     

混合模拟植物生长算法在包装件配送中的应用

目的针对改进模拟植物生长算法(IPGSA)容易陷入局部最优解及其算法运行时间较长,提出混合模拟植物生长算法(HPGSA)来求解带时间窗车辆调度问题(VSPTW)。方法在IPGSA基础上,提出求解包装件物流配送中VSPTW的混合模拟植物生长算法(HPGSA)。改进IPGSA初始调度方案的构造方式,设计求解VSPTW的C-W算法用于构造HPGSA的初始调度方案;改进IPGSA的邻域搜索算子,选择插入搜索算子和互换搜索算子对HPGSA进行邻域搜索;对18个不同规模的Solomon算例进行仿真测试。结果相对于其他智能算法,HPGSA具有更好的求解性能,能够保证VSPTW对求解算法的要求。结论 HPGSA的全局优化能力、稳定性和运行速度均优于IPGSA、遗传算法、蚁群算法和禁忌搜索算法。     

A Hybrid Genetic Algorithm for Vehicle Routing Problem with Complex Constraints

Most research on the Vehicle Routing Problem （VRP） is focused on standard conditions, which is not suitable for specific cases. A Hybrid Genetic Algorithm is proposed to solve a Vehicle Routing Problem （VRP） with complex side constraints. A novel coding method is designed especially for side constraints. A greedy algorithm combined with a random algorithm is introduced to enable the diversity of the initial population, as well as a local optimization algorithm employed to improve the searching efficiency. In order to evaluate the performance, this mechanism has been implemented in an oil distribution center, the experimental and executing results show that the near global optimal solution can be easily and quickly obtained by this method, and the solution is definitely satisfactory in the VRP application.     

新型无人仓AutoStore的货物合箱方法研究

目的 为减少AutoStore系统在共同存储策略下的订单处理时间,解决经营品类繁多,但仓储面积有限的企业货物存储问题。方法 提出货物合箱的存储方法,设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析,结合AutoStore运作规律,建立以机器人拣货行走距离最短为目标函数的数学模型,通过Apriori算法输出货物热度,输入混沌种子算法,得到储位分配结果,实现联动决策。在基本种子算法的迭代中加入混沌序列,帮助种子避开局部极小值。结果 实例分析表明,货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间,缩小与指定存储策略订单处理时间的差距,与粒子群算法和基本种子优化算法相比,混沌种子优化算法的优化效率更高、稳定性更好。结论 文中的研究为经营品类繁多,但仓储面积有限的企业提供了一种更适合的货物存储策略,具有较强的操作性和实际意义。     

Entwicklung eines hybriden Genetischen Algorithmus zur Tourenplanung

Subject of this paper is the development of a Genetic Algorithm (GA) for the Vehicle Routing Problem (VRP). At first a simple GA for the one-depot “standard” VRP with travel distance and capacity restrictions is presented. Then the GA is enhanced by hybridization. The performance of the enhanced GA is evaluated. Finally, the GA is modified to handle a cost function and some real world restrictions.     

Study on the vehicle routing problem considering congestion and emission factors

To meet the requirement of greening transportation in poor traffic condition, vehicle routing problem (VRP) with consideration of fuel consumption and congestion is studied. We formulated a time-dependent green vehicle routing problem (TD-GVRP) model with minimised total cost as the objective function which includes fuel consumption cost, and the measurement of fuel consumption is based on the Comprehensive Modal Emissions Model (CMEM). In the model, the situation of waiting at customer nodes to avoid bad traffic is defined. To solve this model, a Response Surface Method (RSM)-based hybrid algorithm (HA) that combines genetic algorithm (GA) and particle swarm optimisation (PSO) is constructed. Finally, using instances from PRPLIB database, the following experiments are carried out and the corresponding conclusions are drawn. (i) Comparison of the proposed objective and traditional VRP objectives shows that fuel consumption can be greatly reduced by introducing fuel consumption factor into the objective function. (ii) Sensitivity analysis of congestion duration provides the influence of congestion duration on fuel consumption and travel time. (iii) Experiments based on different waiting time reveal that the optimisation of departure time can reduce fuel consumption and total cost to some extent.     

含不一致任务重量的同型熔炼炉批调度优化

为求解含不一致任务重量的同型熔炼炉批调度问题,建立了最小化最大任务完工时间优化模型,设计了一种混合粒子群算法（HPSO）。算法使用随机生成的任务序列作为粒子,采用批首次匹配（BFF）规则对任务序列分批,最长加工时间（LPT）规则将批分配到批处理机,并提出了一种最小完工时间差（MCD）规则对LPT调度结果进行优化;为避免早熟,算法引入交叉和变异操作搜索最优解。通过仿真实验与SA、GA算法对比,实验结果表明算法具有良好的性能。