基于优化的禁忌搜索算法的无人终端配送路径研究

随着无人技术的不断发展,无人终端配送在物流领域的应用逐渐成为研究热点。配送路径优化是无人终端配送系统中的关键问题,目的是在满足特定约束条件的前提下,寻找最优的配送路径,以提高配送效率,降低配送成本。文章针对无人终端配送的路径优化问题,提出一种基于优化的禁忌搜索算法,通过实验验证了算法的有效性,并对实验结果进行分析。     

基于ROS的无人配送车导航系统的设计与实现

针对无人配送车在自主导航过程中存在的寻路效率低、避障能力弱、转折幅度过大等问题,该文采用搭载机器人操作系统(ROS)的Turtlebot3机器人作为无人配送车,设计并实现了高效稳定的无人配送车自主导航系统。ROS是专门用于编写机器人软件的灵活框架,对其集成的SLAM算法进行改进,以完成无人配送车在封闭园区环境中的即时定位与地图构建,同时对ROS导航功能包集成的路径规划算法进行改进,使无人配送车在已知环境地图中规划生成出适合无人配送车工作的路径和有效避开障碍物。最后在Gazebo仿真环境中对无人配送车自主导航系统进行测试与验证。仿真试验结果表明,设计实现的无人配送车导航系统能够很好地满足无人配送车在封闭园区中的自主导航功能。     

基于车辆配送线路的区域协同配送方法

针对单物流中心大规模多区域的物流配送中存在的车辆路径规划不合理、装载率不高的问题,提出了一种基于车辆配送线路的区域间协同配送方法。该方法通过配送区域间的拓扑关系生成区域协同配送网络,进而依据一次配送中的有货区域信息生成车辆初始配送线路,并对具有相邻关系的线路进行配送线路间调整,从而形成最终的车辆途径配送区域的配送线路。在此基础上,依据配送区域内订单的分布情况以及单一区域扫描-遗传算法的配送方法,设计了沿配送线路的区域间协同配送方法。最后,通过选取“步步高”商业物流管理系统中的实际配送数据对模型和算法的有效性进行了验证分析。     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。     

基于bi-level迭代算法的物料循环配送研究

为解决车间物料配送费用高、配送效率低、灵活性差等问题,建立了基于bi-level(双层)规划的车间物料循环配送模型。针对模型设计了基于2-opt改进的最大最小蚁群算法和双层迭代算法,引入线旁库存的限制,求得需求点的配送周期、配送量和配送路径,使库存和运输整合费用最小。通过数值算例求解,说明了该算法是有效的,也说明了该模型的实用价值和有效性。     

基于VRP-DM的粮油配送优化方法*

针对粮油配送中干扰现象引起的服务水平下降的问题,充分考虑成本、时间等约束条件的前提下,以对原方案偏差最小为目标,建立了基于干扰管理的车辆路径选择模型,并利用局部搜索优化的粒子群优化算法对模型求解。结合仿真实例,运用该算法对模型进行了求解及比较分析,结果验证了模型的有效性。     

基于遗传算法的烟草配送车路径优化问题

在建立烟草配送车路径优化问题模型的基础上,采用轮盘赌复制法、部分匹配交叉算法、和适应度函数自适应调整等技术,设计了基于自然数编码的遗传算法,最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行烟草车配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

车辆配送路径优化的新型蚁群算法

构造了求解车辆配送路径优化问题的新型蚁群算法,采用新型的编码方式和转移概率,避免了遗传算法求解该问题所存在的遗传算子设计困难和遗传操作繁琐复杂的现象及现有蚁群算法求解该问题时收敛速度慢的缺陷。通过实例验证了所构建的算法与现有算法相比,不仅操作简单而且具有更好的收敛性。     

基于时空网络的无人车运行计划制定*

针对载客无人车运行计划的制定,提出了一个基于时空路网的无人车载客系统模型。通过使用时空网络技术细致的刻画了路网中乘客以及无人车的运行轨迹,将动态的原始路网转化为静态的时空路网,降低了模型的复杂度。通过将模型线性化,不仅使得模型的最优解更易获得,而且增加了模型的求解效率。通过对一系列的算例进行求解,验证了模型的有效性和可行性。通过对算例的分析得出提升乘客所能接受的合乘乘客数、增加投入的无人车数量以及分散布置无人车能够提高无人车载客系统的运行效率,使得乘客能够更快捷的到达其目的地。     

港口油品配送系统调度优化的启发式方法

基于带时间窗的车辆路径问题优化理论与方法,首先给出了港口油品配送计划调度满足的数学模型,然后基于智能理论,针对配送时间、空间和配送载重量等限制条件,发展了一系列进行运输路径计划制定的启发式方法,如种子需求选择方法、路径插入可行性检测方法及移动、交换等优化路径方法,来得出最优的港口船舶柴油配送调度方案。最后通过实例验证说明了该文方法的有效性。     

集货需求模糊的异型车同时配集货路径优化

针对集货需求模糊的异型车同时配集货车辆路径问题(HFVRPSDDFP),基于先预优化再重优化的思路构建模型.预优化阶段根据可信度理论和车型选取方法为客户点分配车辆,生成配送方案.重优化阶段利用随机模拟算法(SSA)确定客户集货需求,对服务失败的客户点,制定服务策略,将模糊问题转化为确定型的异型车辆路径问题(HFVRP)...     

基于模糊混合控制的自治水下机器人路径跟踪控制

基于模糊混合控制策略,本文提出了一种用于非线性欠驱动自治水下机器人的鲁棒路径跟踪控制方法.利用Sugeno型模糊推理系统,将PD滑模控制器与非奇异终端滑模控制器光滑连接,构造了模糊混合控制器.它能充分融合这两类控制器的优势,无论系统远离平衡点还是在其附近,都能取得快速收敛的效果.如果,借助于非时间参考量,将该混合控制器用于自治水下机器人路径跟踪控制,将有利于提高它在不确定环境中的跟踪能力.最后,通过仿真计算结果验证了该控制策略的有效性.     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

以培养自主学习能力为目标的阶梯任务驱动教学法在程序设计课程中的应用

学生对程序设计类课程的学习,不应以课程的结束为学习终点,还需学生通过后续学习取得更好的效果,因此培养学生自主学习能力至关重要。以培养学生自主学习能力为目标,提出阶梯任务驱动教学法,对传统任务驱动教学法进行改进,在程序设计课程中进行实践。根据课程内容,设置阶梯任务,在提高学生实践能力的同时培养学生自主学习能力,提高教和学的效率。     

基于残差图卷积网络与深度强化学习的 需求可拆分车辆路径优化算法

需求可拆分车辆路径问题(SDVRP)出现在广泛的物流配送场景中, 具有重要的研究价值. 高效的SDVRP优化算法能够提高车辆装载率, 降低物流配送成本. 为提高SDVRP的求解效率, 本文提出基于残差图卷积神经网络(RGCN)和多头注意力的深度强化学习算法(REINFORCE), 逐步构建可行解序列. 首先, 从强化学习的角度出发, 文章对SDVRP建立马尔科夫决策模型, 定义序列预测过程的环境状态、智能体动作空间、状态转移函数等. 其次, 建立编–解码模型求解节点选择策略, 其中使用残差图卷积神经网络的编码器重构配送中心和客户节点的特征, 将配送网络中节点间的连接关系与节点特征相互关联, 获得差异性显著的特征嵌入向量; 利用注意力网络解码器在重构后的嵌入向量基础上融合动态变化的车辆剩余装载量和客户需求等信息执行解码任务, 实现每次迭代为单个案例提供多个可行解. 最后, 提出基于平均基准值的REINFORCE算法更新模型参数, 通过求解不同问题规模测试集、标准SDVRP数据集, 以及京东物流实际配送任务, 验证了所提算法的有效性.     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

带软时间窗的两阶段连锁门店配送车辆路径问题研究

针对连锁企业配送路径优化决策问题,利用分解法进行两阶段分析,建立数学模型,并引入时间窗约束。应用最小包络聚类分析方法确定供应商与配送中心的最佳位置与数量,运用禁忌搜索算法求解配送中心到门店的最佳配送路径,算例测试验证了该方法的有效性与研究的实用价值。     

超启发式分布估计算法求解带软时间窗的同时取送货车辆路径问题

本文针对带软时间窗的同时取送货车辆路径问题(VRPSPDSTW),以最小化车辆行驶总里程和最大化服务准时率为优化目标,提出一种超启发式分布估计算法(HHEDA)进行求解.全局搜索阶段,首先,提出3种启发式规则生成初始个体,以确保初始种群的质量和分散性;其次,根据问题特点,构造3个概率矩阵分别学习和积累优质解的排序信息、...     

Solution of trim-loss problem by an integrated simulated annealing and ordinal optimization approach

This work presents a novel optimization method capable of integrating ordinal optimization (OO) and simulated annealing (SA). A general regression neural network (GRNN) is trained using available data to generate a rough model that approximates the response surface in the feasible domain. A set of good enough candidates are generated by conducting a (SA) search on this rough model. Only candidates accepted by the SA search are actually tested by evaluating their true objective functions. The GRNN model is then updated using these new data. The procedure is repeated until a specified number of tests have been performed. The method (SAOO+GRNN) is tested the well-known paper trim loss problem. SAOO+GRNN approach can substantially reduce the number of function calls and the computing time far below those of simple ordinal optimization method with such as horse race selection rule, as well as straightforward simulated annealing.