求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

求解寻址多旅行商问题的改进单亲遗传算法

为了解决非预先指定起点的单起点、闭回路且目标函数最长、路径最短的多旅行商问题,提出一种融合杂草算法繁殖机制的可寻址混合单亲遗传算法.该算法首先给出了一种新的编码方式,可在种群初始化时产生含有随机配送中心的个体,同时算法采用杂草算法的繁殖机制产生子代,从而加快收敛速度;然后采用改进的单亲遗传操作对路径进行寻优;最后采用混合选择算子对群体进行求解精度选择,避免算法陷入早熟收敛.为验证所提出的改进算法的有效性,采用Matlab对TSPLIB数据库中若干不同规模的实例进行仿真.实验结果表明,该算法在寻找最佳配送中心和最短路径方面具有良好的性能,且能在旅游路径规划问题上得到良好的应用.     

退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

随机需求多车辆路径问题的重优化算法

针对随机需求的多车辆路径问题(MVRPSD),提出了一种简单有效的重优化新算法.该算法先用预优化策略给出一个预优化的单车辆路径,然后重复使用rollout算法对该路径进行进一步优化,将其划分为满足约束条件的多条子路径,不仅能满足实际需求,而且极大提高了优化性能.与现行方法对比实验结果表明,本算法可以对多车辆路径更为合理的优化,明显减少行驶费用,是求解随机需求的多车辆路径问题的一种有效算法.     

允许部分服务的随机需求车辆路径问题研究

文章对需求量满足二项分布的随机需求车辆路径问题进行了研究,在服务失败时采取允许部分服务的策略,通过仿真的方法证明了这一策略的有效性;并将嵌套分割算法与扫描算法相结合,提出了一种新的求解随机需求车辆路径问题的两阶段算法,数值试验验证了该算法的有效性.该算法拓展了车辆路径问题的算法空间.     

带时间窗和货物权重的车辆路径问题的研究

提出了带货物权重及时间窗的车辆路径问题在车辆数不确定条件下的一个新的求解算法.通过利用轮盘赌选择策略,既能使最优个体进入下一代,又避免了个体之间因为适应度不同而被选择进入下一代的机会相差很大,从而保证了下一代的多样性并提高了算法的收敛速度.选用cx交叉算子有效避开遗传算法的"早熟收敛",同时对路径划分算法进行优化,从而达到VRPTWW车辆数与路径双重优化.数值实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

路径长度受限的随机需求VRP的两阶段模拟退火方法

路径长度受限的随机需求下的车辆路径问题(PSVRP)是一种普遍存在而求解困难的运筹学问题.在满足路径长度限制、只允许服务失败一次和不允许部分服务的策略下设计了一个两阶段模拟退火算法,根据模拟退火的理论容易知道算法求到的近似最优解是以概率1收敛的.对随机生成的中等规模和大规模问题做了数值试验,试验结果表明该算法有效.     

多需求点间车辆调度模型及优化算法混合求解研究

为解决多需求点间同时集送货问题,建立考虑需求拆分和转运的车辆路径模型.在模型中,加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束,提高问题的普遍性.在模型的优化算法中,算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式,外层算术优化算法得到配送车辆的任务量,内层蚁群算法优化路径,并将结果反馈给外层算法继续更新求解,直至达到终止条件.同时,添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进,增加解的多样性,提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较,改进的算法解决本文问题效果更好.     

随机需求车辆路径问题的禁忌搜索算法研究

研究了随机需求车辆路径问题,并将禁忌搜索算法用于解决该问题.实验结果证明,禁忌搜索算法可以有效地求得随机需求车辆路径问题的优化解,是求解随机需求车辆路径问题的一个较好方案.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本为目标的选址模型的最优解,从而为配送中心选址提供更加灵活全面的决策依据.     

基于随机需求的接运公交时刻表的鲁棒性优化方法研究

接运公交需求的随机性会对接运公交时刻表的编制与投入运营产生扰动影响. 为降低此不利影响,基于鲁棒性思想研究了随机需求下接运公交时刻表的优化方法. 随机接运公交需求的每一组实现为一个情景,情景目标值综合考虑乘客成本与运营成本的最小化. 以接运公交需求为随机变量,建立了接运公交时刻表的鲁棒性优化模型,模型综合考虑情景的期望值与偏差期望值最小化. 模型具有组合优化与随机规划特性,选用遗传算法进行求解. 最后给出算例验证了模型与算法的有效性. 算例结果表明随着偏差权重系数的提高,鲁棒性模型更倾向于降低随机需求带来的扰动.     

需求随机情况下向多个供应商采购的期望值模型研究

研究当需求量巨大且勾随机变量时,单一供应商无法满足供货要求情况下的多供应商采购-库存问题。建立了一个向多个有能力约束的供应商采购的库存模型;由于考虑需求量为随机变量,采用期望值模型对问题进行建模,基于随机模拟的遗传算法对模型进行求解并给出算例来说明模型及算法的有效性,最后给出结论,提示未来的研究方向。     

计及需求响应的联网型微电网储能容量随机规划方法

为了获取更理想的储能容量规划结果，在考虑功率平衡最优和需求响应的基础上，提出了一种新的联网型微电网储能容量随机规划方法。在需求响应条件下基于联网型微电网的运行模式和随机理论，将功率平衡最优作为规划目标，组建储能容量随机规划模型。利用改进粒子群算法对构建的储能容量随机规划模型进行求解，获取最优联网型微电网储能容量随机规划方案。实验结果表明：随着电容电量的不断增加，微电网的整体平衡能力开始变强；所提方法的能量平衡能力指标更高，储能额定电量容量更稳定，储能系统负荷更小。所提方法能够更好地实现联网型微电网储能容量规划。     

随机需求条件下多商品混合运输供应链网络均衡模型及其求解方法

研究了随机需求环境下具有相互关联的多种商品供应链网络均衡问题.在研究多商品混合运输的同时考虑了需求的不确定性,建立了具有商品交叉运输成本的随机多商品混合运输供应链网络均衡模型,分析了交叉运输成本和罚金对供应链的影响;建立了求解随机多商品混合运输供应链网络均衡模型的投影压缩算法,获得了收敛性结果;数值实例证实了该模型及其求解算法的有效性,同时表明,对于该模型的求解,所运用的投影压缩算法优于普遍采用的修正投影算法和拟牛顿算法.     

计算机模拟在库存决策支持系统中的应用

在详细分析医院药库库存决策支持系统中存在的问题的基础上,针对随机性离散需求量的库存模型,将计算机模拟技术与库存模型相结合,从而解决了随机性需求量库存模型求解难的问题,在实际应用中取得良好的效果.     

需求不确定的分销系统最小成本模型

提出一种分销系统的最小成本模型,这里的产品为单一产品,产品的需求和到达的提前期都是不确定的,且允许缺货·运用该模型研究两个制造商两个分销商组成的分销网络成本优化问题,把分销商满足市场需求时的服务水平作为优化问题的约束条件·综合考虑库存成本、订货成本、运输成本和缺货成本,给出了求解满足约束的最优订货量的算法,最后给出案例     

随机动态交通网络中的停车行为

传统的静态确定型停车行为模型忽略了网络的时变性和随机性.基于道路供给和交通需求的不确定性,研究了随机动态交通网络中出行者的停车行为,建立了供需相互作用下的不动点拟动态停车行为模型,设计了基于Monte Carlo模拟方法的算法来求解该模型.算例结果表明,该模型能有效地模拟人们的停车选择行为.这一研究有助于加深对旅行行为的理解和透析交通行为的本质,为正确评价停车政策和合理规划停车系统提供了策略.     

运用蒙特卡罗方法求解随机性问题

研究了采用Monte Carlo方法求解随机性问题的基本原理 ,并采用这一方法较好地解决了确定性方法难以解决的 3个具体问题 :随机误差干扰、最大弯矩及风险估计 .结果表明 ,对许多其它方法难以解决的随机性问题 ,Monte Carlo法可以比较方便地加以解决     

伴随供应商促销努力的两阶段供应链回购策略

以包含一个制造商和一个零售商的两层供应链为研究对象,当零售商是领导者,供应商是跟随者,并且需求和促销努力相关时,证明传统的回购契约已不能够使得供应链协调。为了解决这个问题,建立了基于促销成本共担的回购契约模型,验证能够使得供应链协调。最后通过数值例子对模型分析比较。