排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对货运车辆在配送调度过程中产生大量碳排放的问题,建立模型将多种影响碳排放量的因素协同优化。模型中考虑了不同载重量的异质车队,两个节点之间有多条道路的柔性路径,以及车辆重量随卸货而减少的动态负载等因素,以碳排放量、行驶时间和行驶路程为优化目标,并加入了节点需求时间窗、根据速度变化划分路段、交接和卸货时间的约束。提出了一种混合蚁群算法,利用蚁群算法信息素强度更新方式保持群体记忆性,利用粒子群算法的快速收敛特性增加计算效率。通过随机数值算例的仿真优化与对比分析,验证了算法和模型的有效性。 相似文献
2.
3.
针对供应链配送环节车辆产生的碳排放量问题,以时变网络下车辆变化的速度为关键变量,建立了考虑碳排放量目标的,将生产时间、库存时间和配送路径协同优化的模型,同时考虑了产品种类、客户需求时间窗、车辆满载率及装卸时间等约束。提出了粒子群算法与蚁群算法相结合的混合粒子群算法对模型进行优化计算,并设计了两段实数的编码、解码方式。使用蚁群算法的信息素强度方式更新粒子群算法的粒子方向,使粒子在更新过程中保留方向性和记忆性。通过对数值算例的仿真优化与结果对比分析,验证了模型的合理性和算法的有效性。 相似文献
1