求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

基于车辆共享的软时间窗动态需求车辆路径问题

为解决配送机构的乍辆有时不能满足客户需求的问题,同时降低物流配送成本,节约资源,基于产品服务系统的理念.引入车辆共享机制,结合时间窗、多配送中心和现代物流客户需求动态变化的特点,建立了基于车辆共享的软时间窗多配送中心动态需求车辆路径问题的两阶段数学模型,并设计了混合3-OPT量子进化算法对各阶段模型进行求解.通过算例测试及与其他算法进行比较,表明该算法能快速有效地求解此类动态需求的车辆路径问题.最后对影响算法性能的种群规模参数进行了分析.     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP—Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。     

基于核心路径禁忌算法的开放式车辆路径问题研究

描述了开放式车辆路径问题,提出了核心路径的概念和原理,并设计了解决有能力约束和距离约束的开放式车辆路径问题的禁忌算法.该算法基于核心路径原理,应用改进的广义插入法产生初始解和进行邻域操作,设计了3种邻域,利用能力约束控制单条路径配送点数,采用惩罚函数处理距离约束.应用该算法求解了多个开放式车辆路径问题算例,并与参考文献中的算例进行了比较.经分析表明,该算法可以更有效地求得开放式车辆路径问题的优化解,是解决有能力约束和距离约束车辆路径问题的有效方法.     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

多车场车辆路径问题的新型聚类蚁群算法

在对多车场带时间窗的车辆路径问题进行详细阐述的基础上,以车辆运输总费用最少为目标函数,建立了问题的数学模型.提出了先采用聚类蚁群算法将多车场带时间窗的车辆路径问题分解为若干个单车场车辆路径问题,然后对各单车场问题应用改进蚁群算法进行优化的求解思路.最后通过一个实例将这种新型聚类蚁群算法与就近分配禁忌搜索算法和K-均值算法的优化能力进行了对比.试验结果表明,该算法对优化多车场带时间窗的车辆路径问题的求解结果是相当令人满意的.     

装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该算法的可行性和有效性.     

改进猫群算法在车辆配送路径优化中的应用研究

为解决在生鲜农产品的车辆配送过程中存在的成本高、碳排放高的问题,以顾客满意度最高和总配送成本最低为目标,构建低碳冷链生鲜农产品的车辆配送路径优化模型。首先,通过多种方法对猫群算法进行优化;然后,用优化的猫群算法对模型进行求解。通过仿真实验对车辆配送路径优化前后效果进行分析,验证了所构建模型的可行性。结果表明,所构建的模型能有效地解决车辆配送的路径优化问题;与传统车辆配送的路径规划方法相比,采用所构建的车辆路径优化模型,车辆配送总路径和碳排放量都有一定程度的改善;车辆总配送路径长度缩短了489.77km、车辆碳排放量降低了21.4%。该方法能有效降低车辆配送过程的总成本和碳排放量,可在一定程度上提高车辆的利用效率和物流企业的市场竞争力。