低碳动态开放式选址—路径问题

合理的配送中心选址及路径优化有助于降低物流碳排放,本文针对物流配送过程面临的不确定交通网络现实,研究不确定道路网络对选址—路径问题碳排放的影响,提出应用概率函数及交通因子表示路径不确定的随机性及不确定程度,将其转化为速度函数,结合第三方物流配送的特点,建立了基于速度及车辆类型的动态低碳开放式选址—路径模型,并设计了量子进化算法与局部搜索算法相结合的智能优化算法进行求解。为了分析路网对碳排放的影响,采用随机及确定性概率交通状况进行仿真实验对比,结果表明,当路网不确定发生概率随机时,其成本增加量高于0.1确定性概率,但低于0.5、0.9确定性概率;交通不确定对碳排放量的影响程度高于成本;随着交通不确定固定概率的增大,碳排量的增加与顾客数目的相关性呈下降趋势。通过与其他智能算法进行对比,表明本算法是求解该问题的一种有效算法。     

多车型动态需求车辆路径问题建模及优化

针对现代物流配送系统中客户需求动态变化、配送中心车型多样化以及车辆行驶路线开放式的特点,建立了多车型开放式动态需求车辆路径问题的两阶段数学规划模型。制定了相应的预优化路线调度和实时动态调度的两阶段求解策略,提出了混合2-OPT量子进化算法的求解方法,设计了一种将常用的整数编码转换为量子比特的编码方法,每一个染色体都代表一种行车路线方案,对于量子进化算法求得的行车路线方案,引入2-OPT优化方法,对线路内的子路径进行局部调整,进一步提高了算法的收敛速度。最后通过实例测试及与其他算法的比较,验证了该方法的有效性。     

基于蚁群选择超启发算法的低碳选址—路径问题

针对有容量约束的低碳选址—路径问题,提出一种基于蚁群选择机制的超启发算法用于模型求解,即将蚁群选择机制作为超启发算法的选择策略。首先对蚁群选择策略进行参数寻优,将高层策略进行对比实验分析得出最优的接受准则,即只接受好解(OI),并与得到的蚁群选择策略参数进行优化组合。此外,与其他算法的对比实验验证了所提算法的有效性。最后分别对以最少碳排放量和最小成本为目标的模型进行求解分析对比,结果表明考虑碳排放的选址—路径模型可以有效减少碳排放量。     

基于两阶段启发式算法的低碳物流选址-多车型路径问题研究

为解决低碳排放量物流背景下配送中心选址与多车型车辆路径优化组合的决策问题，构建了以考虑碳排放量的物流综合成本最小为目标的规划模型，并针对该模型的特点，设计了两阶段启发式算法进行求解。第一阶段设计改进K-means聚类方法对客户节点进行分区聚类，然后使用空间单旅程分区算法以货车满载条件为限制确定各配送中心所服务客户；第二阶段以物流综合成本最低为优化目标，建立量子遗传算法进行求解。结合算例结果表明能够在低碳排放量情况下有效降低物流综合成本。     

低碳定位——车辆路径问题

为降低物流配送过程中车辆的碳排放量,从低碳环保角度出发,建立以车辆碳排放量为函数目标的低碳定位—车辆路径问题数学模型,并采用量子进化算法结合局部搜索算法对模型进行求解。通过对比不同算法求解的结果,证明量子进化算法能有效的求解定位—路径问题模型。继而用量子进化算法求解低碳定位—车辆路径模型,在不同条件下计算车辆排放量、路径值与运行成本,探讨配送中心碳排放、配送路径对车辆碳排放的影响。采用数据比较的方法分析计算结果,证明了低碳定位—车辆路径数学模型能有效降低配送过程中的碳排放量,但总体成本将会增加。     

网购城市配送多容量终端选址与多车型路径集成优化

针对网购物流城市末端配送个性化配送服务需求,分析了末端交付系统的特点,建立了送货上门与客户自提二元需求模型,并引入针对客户群的车辆路径近似连续模型。建立了集送货上门和客户自提于一体的多容量终端选址—多车型路径集成优化模型,并设计一种先"多容量选址—分配"再"多车型路径"的两阶段模拟退火启发式算法。通过末端交付系统不同配置方案对比与算例仿真,验证了模型及算法的实用性与有效性。     

集成选址—路径—库存问题的逆向物流网络优化

为提高逆向物流系统的整体运营绩效,综合考虑逆向物流网络中正逆向运输整合的路径优化策略,结合回收产品的可分批运输的特点,建立了选址—路径—库存问题一体优化的混合整数规划模型,并针对模型的特点设计了一种先"选址—分组"、再安排路径和库存的两阶段启发式算法。通过算例仿真证明了该策略的合理有效性。     

求解物流配送同时取送货低碳选址—路径问题的量子超启发式算法

为降低物流配送过程中车辆排放量,建立以碳排放为目标的同时取送货低碳选址—路径问题模型,并利用量子超启发式算法对模型进行求解。量子超启发算法以量子进化策略作为超启发式算法的高层学习策略,并结合滑动窗口机制实现底层算子的准确搜索,以提高算法框架性能。此外,为了减少计算负担,构造了能够保证可行性解的编码方式和底层算子,并不需要任何解的修复技术,在此基础上提出一种快速简单易行的适应度评价方法。通过不同规模的实例的仿真实验和对比分析,表明所提算法能够在合理的时间内获得优质解,并验证了该算法的有效性和鲁棒性。     

基于全局边缘排序的超启发算法在绿色物流选址 — 路径优化问题中的应用

为了解决目前物流选址—路径优化问题(LRP),提出一种以低碳排放量、配送中心选址规划和车辆路径规划为目标的双目标LRP模型。针对传统启发式算法在解决大规模LRP时的通用性差、效率低的缺点,设计出一种以选择函数法作为选择策略、以基于全局边缘排序的评价指标作为接受策略的超启发算法。通过求解基准测试实例,该算法在解决所提LRP模型时,能准确、高效、智能地设计出调度方案。与传统启发式算法以及性能良好的超启发算法在解的整体质量、单个解收敛效率等方面进行对比,验证了所提方法的可行性和有效性。     

基于沿途补货的多配送中心动态需求VRP建模及优化

为了研究沿途补货策略在客户需求动态变化环境下的实用性,提出基于沿途补货的多配送中心动态需求车辆路径问题.将动态问题按照时间轴依次分解为一系列的静态调度子问题,并建立其两阶段数学模型;设计了一种最邻近法结合贪婪法则来控制车辆沿途补货的解码方法;提出了自适应免疫量子进化算法的求解方法,引入免疫算子进行线路内和线路间的再优化,从关于问题的先验知识中提取疫苗,有效地加快了算法的收敛速度,提高了解的质量,同时在疫苗接种的过程中设计了一种随个体适应度大小而变化的自适应选择概率,减少了算法的运行时间.对实例进行仿真测试并与其他算法进行了比较,结果表明所提算法能获得较好的解,能有效求解动态调度问题,同时分析了沿途补货策略影响,实验表明沿途补货策略适用于动态需求车辆路径问题.     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。     

分时电价下基于NSGA-Ⅱ的柔性作业车间绿色调度

通过规划绿色生产调度实现了时间、经济和能耗三者的协同优化。以柔性作业车间为背景,结合分时电价政策,构建了设备不同工作状态下的设备能耗成本计算模型;同时兼顾碳排放与订单交付等绿色生产车间管理要求,建立了包括最小化碳排放、能耗成本和最大完工时间在内的柔性作业车间绿色调度多目标优化模型;为避免算法过早陷入“早熟”并保持种群多样性,采用基于动态控制参数和改进精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解;最后,通过具体算例验证了所建立模型的可行性与改进算法的优越性。     

基于近似动态规划的动态车辆调度算法

针对物流配送服务业中,车辆调度问题日渐呈现任务规模大,车辆类型多、属性多,调度实时性要求越来越高等特点,提出了基于近似动态规划的动态车辆调度算法。根据当前的任务需求与车辆状态以及相应的约束条件作出相应的调度,并且对一些样本进行训练,得到了一个近似价值函数。通过该价值函数,即可对任务迅速作出相应的决策。仿真模拟实验证明了该算法的有效性和优越性。     

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对多目标绿色柔性作业车间调度问题（MGFJSP）的特点,提出从碳排放量、噪声和废弃物这3个指标来综合评定环境污染程度,建立了以最小化最大完成时间和环境污染程度为优化目标的MGFJSP模型,并提出了一种改进的人工蜂群算法来求解该模型。算法的具体改进包括：设计了一种三维向量的编码和对应解码方案,在跟随蜂搜索阶段引入一种有效的动态邻域搜索操作来提高算法的局部搜索能力,在侦查蜂阶段提出产生新食物源的策略用于增加种群的多样性。最后进行了实验研究与算法对比,以验证所建模型和所提算法的有效性。     

不确定需求下的设备动态布局方法

针对现有车间设备动态布局方法存在的不足,在考虑产品需求不确定性对布局性能稳定性影响的基础上,提出了一种结合模糊理论与改进遗传算法的不等面积设备动态布局方法。分析了产品需求不确定性及其随时间变化特性,引入了三角模糊数描述不确定产品需求;通过分析各生产阶段间的设备重组过程,将动态布局转化为数个静态布局,构建了基于柔性区域结构的不确定需求动态布局模型。结合三角模糊数运算及排序方法与自适应局部搜索机制提出了改进遗传算法,以物料搬运及设备重组费用总和为优化目标,解决不确定需求下的不等面积设备动态布局问题。通过算例测试和实例分析,验证了所提方法的有效性和实用性。     

Solving flow shop scheduling problems by quantum differential evolutionary algorithm

This paper proposed a novel quantum differential evolutionary algorithm (QDEA) based on the basic quantum-inspired evolutionary algorithm (QEA) for permutation flow shop scheduling problem (PFSP). In this QDEA, the quantum chromosomes are encoded and decoded by using the quantum rotating angle and a simple strategy named largest rotating angle value rule to determine job sequence based on job’s quantum information is proposed for the representation of PFSP, firstly. Then, we merge the advantages of differential evolution strategy, variable neighborhood search and QEA by adopting the differential evolution to perform the updating of quantum gate and variable neighborhood search to raise the performance of the local search. We adopted QDEA to minimize the makespan, total flowtime and the maximum lateness of jobs and make the simulations. The results and comparisons with other algorithms based on famous benchmarks demonstrated the effectiveness of the proposed QDEA. Another contribution of this paper is to report new absolute values of total flowtime and maximum lateness for various benchmark problem sets.     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

实时快速NURBS直接插补技术

为了解决基于泰勒展开式的NURBS插补算法存在的速度波动问题,提高NURBS插补实时性,深入研究了NURBS曲线直接插补方法。根据插补原理,提出了一种不同于泰勒展开式的插补计算方法,并研究了一种NURBS快速计算方法。在满足插补过程精度要求的前提下,由进给速度直接计算插补点坐标,并采用递推矩阵对NURBS进行快速求值求导计算,有效地减小了速度波动,而且提高了计算速度和插补实时性。仿真结果证明了该方法的可行性和有效性。     

基于差分进化算法的手眼标定方法

针对眼在手机器人视觉系统的手眼标定问题,提出了一种基于差分进化算法的手眼标定方法。首先建立了眼在手机器人视觉系统手眼标定的数学模型,通过李群李代数理论,将手眼标定问题转化为误差函数的优化问题,同时保证了优化问题的最优解落在特殊欧氏群ＳＥ（３）上。通过差分进化算法对优化问题进行求解,避免了求解过程中的局部最优问题。最后在实物平台上进行了手眼标定实验,实验结果验证了算法的可行性和有效性。     

结合机械设计约束处理的差分进化算法

针对机械设计中的约束优化问题,提出了改进约束处理的自适应罚函数法。结合一般机械约束优化问题维数不高和差分进化算法简单、高效的特点,应用差分进化算法容易求得机械约束优化问题的全局最优解。给出了2个机械约束优化的数值实例,与已有的文献结果比较,表明新方法处理机械约束优化问题稳健且有效。