基于禁忌搜索的三维装载车辆路径问题研究

针对三维装载约束下的车辆路径问题(VRP),在考虑车辆容量、三维装载、物品装卸顺序、最小支持面和物品是否易碎等约束的情况下,提出一种求解该问题的禁忌搜索算法,其中包括2种三维装载算法、2种初始解构建算法、禁忌搜索邻域结构以及导向禁忌搜索机制。实验结果表明,该算法能够有效求解三维装载约束的VRP,且求解精度较高。     

车辆路径问题的禁忌搜索算法研究

简要回顾了车辆路径问题的禁忌搜索算法的发展现状,提出了一种改进的禁忌搜索算法。该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。理论分析和实验结果表明该算法比以往的算法有以下优点：拓展了搜索空间,提高了最优解的效果;是一种将问题进行空间分解的并行算法,可采用多台计算机同时运算以减少整体运行时间。     

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.     

面向全局搜索的自适应领导者樽海鞘群算法

针对实际配送过程中客户需求、车辆服务时间随机可变,提出带软时间窗的随机需求和随机服务时间的车辆路径问题.以配送车辆行驶路径为研究对象,建立基于配送成本、时间惩罚成本、修正成本的配送车辆路径优化模型,并提出一种混合禁忌搜索算法.该算法将最近邻算法和禁忌搜索算法相结合,将时间窗宽度及距离作为最近邻算法中节点选择标准;并对禁忌搜索算法中禁忌长度等构成要素进行自适应调整,引入自适应惩罚系数.实验结果表明,改进后的混合禁忌搜索算法具有较强的寻优能力、较高的鲁棒性,同时算法所得车辆行驶路径受客户需求变动影响较小.     

需求可拆分的开放式车辆路径问题研究

传统的开放式车辆路径问题假设客户的需求不可拆分、车辆类型相同,但在实际的物流配送中,车辆类型不完全相同,对需求的拆分能充分利用车辆的装载能力,降低运输成本。为此,提出需求可拆分的不同种车辆的开放式车辆路径问题,给出整数规划的数学模型,利用禁忌搜索算法对该问题求解,改进算法中初始解和邻域结构的产生过程。通过实验验证模型的有效性,并将结果与传统的开放式车辆路径问题进行比较,表明该算法可有效减少运输成本。     

同时取送货的三维装载约束下车辆路径问题

同时取货和送货的三维装载约束下车辆路径问题（3L-VRPSDP）是经典车辆路径问题（VRP）的一个扩展,在3L-VRPSDP中,顾客可能要求同时取货和送货,而且货物装载要考虑其三维大小、先进后出、底面支撑等装载特性。针对这类问题,提出了基于左底优先和最大接触面优先的装载算法,在装载时要考虑其配送特征;在此基础上,设计了对应的禁忌搜索算法对初始结果进行优化,通过实验验证了算法的有效性。     

改进的粒子群算法在VRP中的应用

将粒子群算法和禁忌搜索算法相结合构造禁忌搜索粒子群算法。提出一种对粒子群算法中全局最优解进行禁忌搜索的混合算法,扩展了粒子群算法进化方式。将其用于车辆路径优化问题求解。与基本粒子群算法相比较,结合禁忌搜索算法的粒子群算法明显提高了算法收敛速度和优化性能。     

改进的粒子群算法在VRP中的应用

将粒子群算法和禁忌搜索算法相结合构造禁忌搜索粒子群算法.提出一种对粒子群算法中全局最优解进行禁忌搜索的混合算法,扩展了粒子群算法进化方式.将其用于车辆路径优化问题求解.与基本粒子群算法相比较,结合禁忌搜索算法的粒子群算法明显提高了算法收敛速度和优化性能.     

配送中心多车辆集散货物路线的禁忌搜索研究

多车辆集散货物路线问题是客户可以同时取货和发货,而且客户发货量在路线安排前是不确定的。提出了一种改进的禁忌搜索算法,该算法将路径问题按不同的车辆-顾客分配结构分解成若干子问题,然后用禁忌搜索算法求解每个子问题,最后从所有子问题的最优解中选出全局最优解。     

一类货运车辆调度问题的混合禁忌搜索算法

研究了一类货运车辆调度问题 :带时间窗口车辆装卸货问题 .首先给出了该问题的数学描述 ,通过引入快速局部搜索算法来加快禁忌搜索速度 ,提出了一种求解该问题的混合禁忌搜索算法 ,可以大大减少算法的运行时间而不影响解的质量 ,最后利用两个具有现实规模和复杂度的实例来测试 .结果表明 :本文提出的混合禁忌搜索算法是求解该类货运车辆调度问题的有效、快速算法 .     

求解OVRPTW的多开始禁忌搜索算法

在对带时间窗的开放式车辆路径问题描述的基础上提出求解该类问题的一种多开始禁忌搜索算法。使用扫描算法和向前插入法相结合的两阶段方法产生随机的初始解,采用一种混合的启发式算法构建邻域结构,设计全局和局部2个禁忌表加强算法的全局寻优能力。用标准的测试算例对算法进行实验,结果表明该算法得到了较好的寻优效果。     

集装箱装入问题的研究

集装箱装载问题是一种有广泛应用背景的组合优化问题,它属于NP-hard问题。禁忌搜索算法(TS)是求解组合问题的一种主要方法,有很强的全局搜索能力。集装箱装入属于有多种约束的空间资源优化问题。约束条件多,求解困难。根据同类型货物一次性装载的思想,提出了一种新的基于空间划分的启发式算法。     

带装载量约束的物流配送车辆路径优化研究

建立了物流配送车辆路径模型,设计了一种禁忌搜索算法,进行了多个算例测试和比较。测试表明模型的正确性,显示出禁忌搜索算法在物流配送车辆路径优化中计算时间节省、路程里程节省、总费用最小化等方面比遗传算法、模拟退火算法、蚁群算法及其混合算法具有明显的优势,能很好地适应现代物流对配送环节快速、低成本的要求。     

遗传算法求解VRP问题

在分析了许多求解固定车辆路径问题的优化算法后，提出了一种新的求解固定车辆路径问题的遗传算法。该算法的核心在于构建一种新的染色体编码，并且将“Inver-0ver”遗传操作算子与禁忌搜索算法结合起来，利用种群的信息引导种群的进化。引入动态非法检测来淘汰不合法个体，扩展了解空间并加快了搜索速度。经过大量的实例测试，该遗传算法增强了群体演化的质量，提高了算法收敛速度，能够找到比较好的近似最优解。     

模糊需求车辆路径问题的模型与算法①

建立了具有模糊特征的模糊车辆路径问题的数学模型,提出了求解该模型的一种基于模糊模拟的新禁忌搜索算法。这种模型与算法,将传统确定性车辆路径问题扩展为具有模糊特征的模糊车辆路径问题。通过先聚类后排序的方法,将问题分解成一个指派问题和一个TSP问题。在聚类过程中,既考虑到了车辆容量和决策者的偏好,又充分利用了已知的需求信息。实验表明,这种模型与算法是解决物流配送中模糊需求车辆路径问题的一个较好方案。     

改进变邻域搜索算法求解动态车辆路径问题

针对动态车辆路径问题DVRP(Dynamic Vehicle Routing Problem)的优化问题,提出一种改进算法。该算法在分析路径寻优问题的局部特性的基础上,利用变邻域搜索算法VNS(Variable Neighbourhood Search)对路径空间进行"局部探索",结合变异机制对路径空间进行"全局开采",最后根据近邻优先原则将动态路径片段安插到适宜的路径中。实验结果验证了算法的有效性。     

混合算法求解VRP问题

车辆路径问题（VRP）是典型的复杂组合优化问题,也是一个求解非常困难的NP难问题。对于大规模的VRP问题,一般采用近似算法来进行求解。通过采用一种基于遗传算法和禁忌搜索算法的混合算法,结合两者的优点,既克服了遗传算法爬山能力差的缺点,又克服了禁忌搜索算法的对初值的依赖性,使得算法能够更快更准的收敛到最优解。     

求解带容量约束车辆路径问题的混合变邻域生物共栖搜索算法

针对带容量约束的车辆路径问题,提出一种混合变邻域生物共栖搜索算法.设计基于客户点优先序列及车辆参考点模拟信息的有序编码,该编码方案使生物共栖搜索算法可以参与CVRP的离散优化;为了提高算法的全局搜索能力,根据有序编码特点构造3种共栖搜索算子,扩大搜索空间;同时,结合变邻域搜索算法设计客户点重置、交换和2-OPT三种局部搜索策略,以提高解方案质量.算例验证分析表明,所提算法能够有效地解决容量约束车辆路径问题,求解质量优于所对比算法,具有可靠的全局稳定性.     

混合禁忌搜索算法求解关联运输调度问题

考虑到实际生活中车辆受发车时间限制以及道路路况影响运输成本等因素,建立了带客户软时间窗、车场硬时间窗、多车型、道路路况等约束的关联运输调度问题模型.结合禁忌搜索与遗传算法的优势,构造了混合禁忌搜索算法,以通过构造多个初始解来增大搜索空间;设计了两种禁忌表,分别为局部禁忌表和全局禁忌表,这不仅能加快寻优速度,还可以摆脱对单个解的依赖;将禁忌搜索生成的优化解作为遗传算法的初始解,可以加快寻优速度;自适应调整禁忌表长度可以避免早熟收敛;提取核心路径便于进行后期优化,relocate算子能减少路径网络回路数目.对实例进行的仿真表明,提出的IVRP优于一般的VRP,可节约大量成本,且提出的算法在收敛速度和寻优结果两方面都优于遗传算法和禁忌搜索算法.由3种算法求解得到的总成本、总里程及收敛时间的标准差体现出该算法的稳定性比另外两种算法的好.     

三阶段优化算法求解带三维装载约束的MDVRP北大核心CSCD

对带三维装载约束的多车场车辆路径问题,以最小化车辆行驶总里程为优化目标,建立问题模型,并提出一种三阶段优化算法进行求解。第一阶段设计带循环平衡的K-medoids聚类算法,将原问题分解成多个带三维装载约束限制的车辆路径子问题。第二阶段提出一种双层结构的超启发式蚁群算法用于求解各子问题,以确定各车辆的配送路径。在该算法中,低层设计9种启发式操作,并将其所构成的排列作为高层个体;同时,高层采用蚁群算法更新高层个体,以引导算法搜索方向。第三阶段以第二阶段所得阶段解作为初始解,设计组合启发式装箱算法对带容积约束的装箱过程进行优化,进而将第二、三阶段确定的解合并为原问题的解。最后,仿真实验和算法比较验证了所提算法的有效性。