改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

基于蚁群算法的自适应路径选择方法

给出了一种基于蚁群算法的自适应路径诱导方法,阐述了蚁群在进行路径选择时的交互过程。通过蚁群的作用使得交通需求在路网中得到合理分配,使交通路网状态趋于通畅的最佳状态。     

蚁群算法在城市交通导航系统中的应用

智能交通系统是现代化城市中必须具备的,为了解决城市交通中存在的交通拥挤、交通事故等问题,必须对交通情况进行实时追踪,并能根据实时信息对正在行驶的车辆进行实时导航,这是智能交通系统中的一个重要的组成部分.根据城市交通的实际,采用蚁群算法解决城市交通行驶中的车辆最优路径的问题,利用给出的算法不仅可以找到车辆行驶的较短路径,而且还能帮助车辆选择车流量较少的路径行驶.     

智能服装机器自动加工中的不规则路径优化

针对服装制作设备在进行不规则服装自动生产过程中,不规则服装的缝纫路径选取存在重复、冲突的风险,路径选择效率不高的问题,提出了一种基于改进遗传算法的服装自动缝纫最优路径选择算法.通过快速计算不规则服装存在的路径冲突可能,提高传统遗传算法搜索最优点的能力与速度,搜索出最优的路径.实验结果表明,该算法在服装自动生产中,对应生产不规则的复杂服装运算较快,安全性和稳定性较好,具有很高的应用价值.     

机场场面飞机滑行路径优化模型

研究了机场场面飞机滑行路径的优化模型,该模型采用遗传算法作为优化算法,并通过实例仿真进行了验证。遗传算法与最短路径算法的对比结果表明,其避免了最短路径算法中存在的滑行路径冲突现象,可以保障机场的安全运行。     

基于遗传算法的物流配送路径优化算法

物流配送路径优化问题是一个NP(非确定多项式)问题,使用传统优化方法很难得到最优解或满意解。为了很好地解决这个NP问题,本文建立了一个配送中心、多个顾客的物流配送数学模型,用自己改进的遗传算法加以分析求解并进行了实例验证,而且在物品的配送种类上取得了突破,不在只是针对单一品种,对物流企业实现科学快捷的配送调度和路径优化有实际意义。     

物流园区配送系统路径选择的优化研究

物流园区各个子功能中,配送是直接与客户相接的重要环节,直接影响着配送的速度、成本以及效益。因此,研究物流园区配送路径的优化问题,是物流园区提升服务质量、降低服务成本的有效途径。通过分析物流园区的配送路径问题,构建出配送路径最优化的数学模型,基于该优化问题设计相应的遗传算法,利用Matlab进行实验仿真,得出配送路径的最优解。实验结果体现了遗传算法在解决路径优化问题中的实用性。     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

求解TSP问题的单纯形与遗传算法的混合算法

提出一个求解TSP的算法,即用单纯形算法与遗传算法相结合的方法来进行路径得选取,以提高初始解质量,加快收敛速度,实验证明了算法的有效性。