不同车型车辆路径问题模型及混合算法

在传统车辆路径问题(VRP)的基础上,求解带有中转站的不同车型车辆路径优化问题(SB-VRP)。以行驶成本低为目标,在扫描法形成初始解的基础上,采用禁忌算法进行优化搜索,通过实证分析对算法进行验证。结果表明:本文算法可以得到成本比初始解更优的解;增加不同车型之后的SB-VRP模型比传统VRP模型效率更高。     

车辆路线问题的一种新的启发式算法——二重优化法

“车辆路线问题”(VRP)是“多个旅行推销员问题”(m-TSP)的推广。本文提出了求解 VRP 的一种新的启发式算法——二重优化法。该算法在 Clarke和 Wright 的“savings”法的基础上引入了γ因子,并对其进行了一维搜索。对γ-搜索过程中所得解中的每一条路由,又用 TSP 的“э-opt”法进行第二重优化。这种方法比较稳定,可保证在各种不同的输入数据下都得到较好的近似解。我们用二重优化法试算了四个问题,并与已有的五种算法进行了比较。结果表明,用该方法所得出的解,除其中之一为次最优外,其余三者都优于原来的五种算法。     

改进免疫克隆选择算法在VRP中的应用

针对在求解车辆路径问题(VRP)中免疫克隆选择算法收敛速度慢,遗传算法易陷入局部最优解的缺点,对抗体亲和力求解方法做了改进.提出了基于亲和力排序的抗体相似性矩阵的概念,并将其应用于抗体抑制策略,进而设计出改进免疫克隆选择算法.仿真结果表明该算法比遗传算法求的解的质量更高,收敛速度比免疫克隆选择算法快.     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

单类型车辆随机需求VRP的一个算法

VRP问题是运筹学的一个重要分支,是组合优化的一个NP难题,在日常生活中应用广泛,本文讨论了单类型车辆随机需求VRP问题,在路由仅能失败一次和不允许部分服务的策略下首先给出了一个快速扫描模拟退火算法,该算法操作方便,考虑了各需求结点的几何位置,然后对需求满足二项分布的VRP问题作了策略分析,得到了在我们的策略下的一些理论结果,最后对需求为二项分布的五十个结点,一个服务中心的问题作了数值试验,数值结果表明该算法对求解单类型车辆随机需求VPR是有效的。     

一种改进的整数编码遗传算法在车辆路径优化问题中的应用

针对基于路径组合编码的遗传算法应用于求解VRP问题时，顺序交叉算子局部寻优能力不足的缺陷，引入一种进化逆转算子，改进了遗传算法求解VRP问题时的局部搜索能力。设计的两组仿真试验结果显示，进化逆转算子的局部寻优能力很强，用它改进的遗传算法求解VRP问题的结果表明，算法的收敛性明显好于标准遗传算法。     

物流配送车辆路径问题(VRP)算法研究

物流配送车辆路径问题(VRP)属于NP-hard问题.文章介绍了当前最具有代表性的算法,分析并总结了各种算法的优缺点及目前的改进情况,指出目前启发式算法是求解车辆路径问题的主要方法,至于大规模客户集的配送路径优化问题或者是多约束的复杂VRP问题,可以考虑利用多种算法相结合的办法来解决.     

物流配送车辆优化调度问题的综述

针对物流配送车辆优化调度问题,本文阐述了该问题的定义和最优调度的目标,介绍了物流配送的概述和流程,研究了VRP的分类和实现算法,分析了VRP的国内外研究现状,并提出了进一步的研究方向。     

多级正向变异的遗传算法提高求解VRP问题效率

应用遗传算法对车辆路径问题(VRP)求解时,由于遗传算法在解决VRP问题时,交叉操作难以保留优秀基因片段,可能导致算法收敛较慢等问题.在一定程度上影响了遗传算法解决VRP问题的实用性.在前人的基础上,通过一种多级正向变异方法,使变异最大程度向好的方向进行,拆除基因片段中较差的基因连接并建立新基因连接,从而得到较优的新基因片段,重复一定的变异次数,让变异达到最优效果.通过实验表明多级正向变异明显提高了遗传算法解决此类问题的效率.     

物流配送路线模型优化及应用

在物流配送问题中，车辆调度问题(VRP)是一个关键问题，也是组合优化领域的前沿与热点问题。该文根据MG公司配送中心的特点，建立了该公司的VRP模型，运用启发式算法中的节约算法对MG公司配送网络进行了细致的优化，找到—个满意的方案。     

A genetic algorithm for the pareto optimal solution set of multi-objective shortest path problem

Unlike the shortest path problem that has only one optimal solution and can be solved in polynomial time, the muhi-objective shortest path problem （ MSPP ） has a set of pareto optimal solutions and cannot be solved in polynomial time. The present algorithms focused mainly on how to obtain a precisely pareto optimal solution for MSPP resulting in a long time to obtain multiple pareto optimal solutions with them. In order to obtain a set of satisfied solutions for MSPP in reasonable time to meet the demand of a decision maker, a genetic algo- rithm MSPP-GA is presented to solve the MSPP with typically competing objectives, cost and time, in this pa- per. The encoding of the solution and the operators such as crossover, mutation and selection are developed. The algorithm introduced pareto domination tournament and sharing based selection operator, which can not only directly search the pareto optimal frontier but also maintain the diversity of populations in the process of evolutionary computation. Experimental results show that MSPP-GA can obtain most efficient solutions distributed all along the pareto frontier in less time than an exact algorithm. The algorithm proposed in this paper provides a new and effective method of how to obtain the set of pareto optimal solutions for other multiple objective optimization problems in a short time.     

求解背包约束下下模集函数近似算法及性能保证

为有效求得背包约束条件下不同问题的解,我们往往采取不同的方式,以获得其最优解。但更多情况下,我们无法找出其精确最优解,这时我们将选取不同的变量,通过有效的算法,以获得该问题的近似解。我们利用线性规划的知识,分析最大化非减下模集函数在背包约束下近似算法,得出该算法计算复杂性为O(n5),性能保证为1-e-1。     

基于优先级的物流园区共同配送车辆调度优化研究

为高效、快速地保证配送任务的完成,实现配送成本最优,在分析物流园区共同配送过程中产生的各种成本的基础上,构建基于优先级的车辆调度优化模型。借鉴交通流分配的思想,引入虚拟距离,提出模型的求解思路和算法。最后,在实际算例中,通过运行Lingo,得出最优车辆调度方案。       

几何约束多解问题

针对几何约束求解的多解性问题,将约束分成两个集合:原约束集合和增加的额外约束集合。用求解器求解出全部解后,利用提出的混合遗传蚂蚁算法,搜索全部解空间,在算法的初始阶段采用遗传算法,产生信息素的初始分布;在算法的后期采用蚂蚁算法。由于在遗传算法中使用随机的种群,不仅提高了蚂蚁算法的速度,而且在求解时能避免陷入局部最优解。通过启发式搜索算法使增加的额外约束得到最大化满足,从而寻找到符合用户意图的解。     

一种公平的路边基站下行业务调度算法

To improve the fairness performance of the downlink traffic scheduling algorithm, a network flow based downlink traffic scheduling algorithm is proposed for the roadside unit (RSU) in vehicular networks. In the proposed algorithm, a bipartite graph is constructed firstly, where the node set is composed by the vehicle set and the timeslot set. At any given timeslot if a vehicle can communicate with the RSU, then an edge between the given timeslot and that vehicle is added into the edge set. Next, a flow network graph is constructed based on the bipartite graph by adding a virtual source node and a virtual sink node. By applying the conventional minimum cost maximum flow algorithms, a minimum cost maximum flow can be computed, which is converted to the fair traffic scheduling strategy. Simulation results show that, when the total vehicle requirements are maximized, compared with the existing algorithms, the fairness performance of the proposed algorithm is improved by 116.4％ in the offline case, and by 25.9％ in the online case.     

一种基于PSO的分割聚类算法

为了求得一个数据集的最优分割,提出了一种基于PSO的分割聚类算法-PKPSO,将PSO算法和K均值聚类算法有效地结合在一起,对群体中的候选解有选择地利用K均值算法做进一步优化以提高解的精度。通过对算法的分析,给出了控制参数选择依据。并将此算法与单独使用K均值、PSO算法及QPSO算法聚类进行比较,试验测试结果表明:PKPSO算法有更好的全局收敛性,不仅能有效地克服传统算法易陷入局部极小值的缺点,而且求得解的精度和算法的稳定性都明显优于其他方法。     

多目标P系统仿生优化算法

为了更加高效地求解多目标优化问题,提出了一种基于P系统的仿生优化算法。算法结合P系统的动态膜结构以增强算法的适应性,同时结合经典的NSGA-II拥挤距离选择策略和膜内仿生自噬机制提高算法所得最优Pareto解的多样性。此外,算法内循环中的动态变异、交流及交叉等规则使得所提算法获得的Pareto最优边界与真实Pareto最优前沿的逼近度更高。仿真实验结果表明：该算法处理多目标优化问题时所得解集具有更好的收敛度和多样性。将该算法应用于非最小相位对象的PID控制器的多目标优化设计,获得了较好的系列非劣控制器组,基于搜索结果的PID切换控制策略具有满意的控制效果。     

求解约束多目标优化问题的Agent进化算法

针对目前Agent进化算法难以处理含约束多目标优化的问题,把标准化的约束违反程度作为一个优化目标,从而对Agent所具有的能量产生影响;设置了最优解集和最优可行解集两个外部存储集,以便在寻优过程中保持Agent群体的多样性;对可行解以及约束违反程度小的Agent进行局部爬山操作,更加有利于寻找最优可行解。将算法应用于数值实例和焊接梁的设计优化问题中,表明该算法既保持了种群的多样性,又能够快速收敛。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

一类矩阵方程的反中心对称最小二乘解

研究矩阵方程AX+B Y=Z的最小二乘反中心对称解,给出了AX+B Y=Z的反中心对称最小二乘解,导出了AX+B Y=Z有反中心对称解的充分必要条件。在AX+B Y=Z的反中心对称最小二乘解集合中求与给定矩阵最佳逼近的解,给出求解最佳逼近解的数值算法与数值例子。