物流配送车辆路径优化问题的仿真研究

研究物流配送车辆路径优化问题,由于物流行业要求货物及时配送,又要降低物流运输成本.物流配送车辆路径选择是重点解决的问题,传统优化方法搜索时间长,难以找到最优路径,造成物流配送成本高.为了降低物流配送成本,提高车辆路径优化效率,提出一种蚁群算法的物流配送车辆路径优化算法.首先对物流配送车辆路径问题进行分析,然后建立相应的数学模型,最后采用蚁群算法对车辆路径问题的数学模型进行求解.通过具体实例对算法进行实验,实验结果表明,蚁群算法提高寻优效果,找到的物流配送车辆路径的最优解短于其它算法,降低物流配送成本,并为物流配送车辆路径选择提供了一种有效算法.     

基于混合蚁群算法的物流配送路径优化

基本蚁群算法在优化过程中存在搜索时间长、易陷入局部最优解的缺点.研究构造了一种基于蚁群算法的混合算法,利用蚁群算法首先求出问题的基本可行解,采用遗传变异中的单亲逆转算子进行再次优化,求得问题最优解.对物流配送路径优化的仿真试验表明,相对于基本蚁群算法和遗传算法,混合算法的优化质量和效率更优.     

蚁群算法在物流配送路径优化问题上的应用

物流配送路径优化是现代物流配送服务的关键环节之一,是近年来物流控制优化中的研究热点,需要一个快速而有效的求解算法。为此,构建了物流配送路径优化问题的数学模型,通过对基本蚁群算法中的选择策略和信息素挥发速度的改进,提出一种新的蚁群算法,克服基本蚁群算法搜索时间长、易陷入局部最优解等缺陷,将其用于求解一类运输调度问题,实验发现算法有效。     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

基于改进蚁群算法的物流配送路径规划算法

针对物流配送的最优路径规划问题,论文在分析蚁群算法原理的基础上,运用MAKLINK图论建立物流配送路径模型,选取Dijkstra算法作为初始规划算法来确定蚁群算法的寻优目标函数,并对蚁群算法的信息素更新和节点选择进行了改进.在确定初始参数后,通过改进的蚁群算法规划出从起始点到结束点的最优路径.利用Matlab作为软件工...     

基于改进蚁群算法物流配送路径优化的研究

针对物流配送路径优化问题的特点,提出利用蚁群算法建立数学模型,并对蚁群算法进行了改进。通过局部优化的处理,加快了改进后算法的收敛速度,并提高了全局搜索能力;对信息素的更新方式加以改进,进而提高了蚁群算法的自适应性,使得算法在执行过程中可以根据收敛和进展情况,相应地调整信息残留程度,从而进一步提高收敛速度或全局搜索能力。通过实例计算验证,使用改进后的蚁群算法优化物流配送路径,能够快速并有效地求得问题的最优解。     

混合算法在车辆路径优化问题中的应用

研究车辆路径优化问题,物流配送不仅要求配送及时,而且要求运输成本低,且路径最优。车辆路径优化是解决物流配送效率的关键,传统优化方法寻优效率低,耗时长,难以得到车辆路径最优解,导致物流配送成本过高。为了提高车辆路径寻优效率,降低物流配送成本,提出一种混合算法的车辆路径优化方法。首先建立车辆路径优化数学模型,然后用遗传算法快速找到问题可行解,再将可行解转换成蚁群算法的初始信息素,最后采用蚁群算法从可行解中找到最优车辆路径。仿真结果表明,混合方法提高车辆路径寻优效率,有效地降低物流配送成本。     

物流配送车辆路径问题的优化研究

物流中的车辆路径问题(VRP)是目前组合优化领域的研究热点问题,VRP为NP-hard问题。本文在对VRP分析的基础上,建立数学模型,提出了一种适合求解该问题的蚁群遗传融合优化算法。提出的优化算法首先采用蚁群算法在局部阶段产生最好解,然后利用遗传算法的优良基因在全局阶段对优化解进一步优化,以获取最好路径解。实验结果表明,提出的融合算法能高效解决VRP问题,且优化效果比单算法好。     

基于混合蚁群算法的冷链电动汽车车辆路径问题

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境,而电动汽车续驶里程短、充电时间长,致使运营成本高的现象,思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求,构建了以总配送成本最小为优化目标的线性规划模型,而目标函数由固定成本和可变成本构成,其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束,并设计混合蚁群（HACO）算法对其进行求解,其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上,形成了小规模和大规模两个算例集,并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明,在小规模算例集中,传统ACO算法与CPLEX求解器均能找到精确解,而ACO算法在运算时间方面可节省99.6%;而在大规模算例集中,与ACO算法相比,结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。     

一种物流配送车辆路径智能优化算法研究

针对遗传算法局部搜索能力不足,运行效率较低的缺点,论文提出将最速下降法与遗传算法相结合构成混合遗传算法.通过对物流配送车辆路径的特点分析,建立了物流配送车辆路径优化问题数学模型,利用改进的混合遗传算法对模型进行求解.仿真实验结果表明,混合遗传算法求解物流配送路径优化问题,可以较好地克服遗传算法局部搜索能力方面的不足和最速下降法在全局搜索能力方面的不足,得到质量较高的解.     

Particle swarm optimization algorithm for a vehicle routing problem with heterogeneous fleet, mixed backhauls, and time windows

Today, companies need to collect and to deliver goods from and to their depots and their customers. This problem is described as a Vehicle Routing Problem with Mixed Linehaul and Backhaul customers (VRPMB). The goods delivered from the depot to the customers can be alternated with the goods picked up. Other variants of VRP added to VRPMB are Heterogeneous fleet and Time Windows. This paper studies a complex VRP called HVRPMBTW which concerns a logistic/transport society, a problem rarely studied in literature. In this paper, we propose a Particle Swarm Optimization (PSO) with a local search. This approach has shown its effectiveness on several combinatorial problems. The adaptation of this approach to the problem studied is explained and tested on the benchmarks. The results are compared with our previous methods and they show that in several cases PSO improves the results.     

带时间窗物流配送车辆路径问题的蝙蝠算法

带时间窗车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）是一个重要而实际的研究课题,该问题在有能力约束模型的基础上增加了时间约束,要求配送系统总费用最低。蝙蝠算法（Bat Algorithm,BA）是一种新型的智能优化算法,目前尚未被应用到求解VRPTW问题中。根据VRPTW问题的数学模型及其具体特征,重新设计了BA的操作算子,给出了求解VRPTW问题的改进蝙蝠算法,并通过仿真实例和与其他算法进行比较的方式,验证了蝙蝠算法在VRPTW问题中的求解性能,拓展了蝙蝠算法的应用领域。     

不确定车辆数的有时间窗车辆选径问题的混合算法

针对标准遗传算法在求解车辆选径问题中出现的早熟、收敛、易陷入局部极值点的问题，提出了一种由遗传算法结合模拟退火算法的混合算法求解车辆选径问题，并与遗传算法进行了比较。该算法利用了模拟退火算法具有的较强的局部搜索能力的特性，有效地克服了传统遗传算法的“早熟收敛”问题。实验结果表明，该算法具有计算效率高、收敛速度快和求解质量优的特点，是解决车辆选径问题的有效方法。     

A tabu search algorithm for the heterogeneous fixed fleet vehicle routing problem

In the heterogeneous fixed fleet vehicle routing problem there are different types of vehicles and a given number of vehicles of each type. The resolution of this problem consists of assigning the customers to the existing vehicles and, in relation to each vehicle, defining the order of visiting each customer for the delivery or collection of goods. The objective is to minimize the total costs, satisfying customers’ requirements and visiting each customer exactly once. In this paper a tabu search algorithm is proposed and tested on several benchmark problems. The computational experiments show that the proposed algorithm produces high quality solutions within an acceptable computation time. Four new best solutions are reported for a set of test problems used in the literature.     

A record-to-record travel algorithm for solving the heterogeneous fleet vehicle routing problem

In the heterogeneous fleet vehicle routing problem (HVRP), several different types of vehicles can be used to service the customers. The types of vehicles differ with respect to capacity, fixed cost, and variable cost. We assume that the number of vehicles of each type is fixed and equal to a constant. We must decide how to make the best use of the fixed fleet of heterogeneous vehicles.     

A parallel evolutionary algorithm for the vehicle routing problem with heterogeneous fleet

Nowadays genetic algorithms stand as a trend to solve NP-complete and NP-hard problems. In this paper, we present a new hybrid metaheuristic which uses parallel genetic algorithms and scatter search coupled with a decomposition-into-petals procedure for solving a class of vehicle routing and scheduling problems. The parallel genetic algorithm presented is based on the island model and its performance is evaluated for a heterogeneous fleet problem, which is considered a problem much harder to solve than the homogeneous vehicle routing problem.     

有能力约束回收车辆路径问题的食物链算法

介绍了有能力约束逆向物流回收车辆路径问题,设计了求解有能力约束逆向物流回收车辆路径问题的食物链算法;选取文献典型算例进行了仿真求解及比较分析,结果表明设计的食物链算法性能优于遗传算法、粒子群算法和量子进化算法。     

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。     

基于暂态混沌神经网络的多车调度混合优化算法

探讨车辆调度问题的解决方法．提出一种用于求解带容量约束的多车调度问题（CVRP）的混合优化算法．该算法分为路线划分、构造初始解和改进解3个阶段：第1阶段用模糊C均值聚类算法将所有客户按车容量要求装车;第2阶段用暂态混沌神经网络方法对每条路线排序;第3阶段用禁忌搜索法改进得到的解．最后采用标准问题进行仿真计算,通过与其他算法的比较,说明该算法是求解CVRP问题可行且高效的方法．     

沿河发展型城市物流配送路径的优化模型及算法

针对沿河发展型城市物流配送路径的优化问题,建立相应的数学模型,并在传统物流配送路径优化问题的经典算法——遗传算法的基础上,提出了一种新算法。该算法通过设计一种选择性部分匹配交叉算子和选择性倒置变异算子,加快了最优解的搜索速度,从而更快地求得最短回路,再结合沿河发展型城市的实际地理环境,得到符合实际的物流配送最优路径。通过实例和仿真分析,表明了算法的有效性和优越性。