基于改进蚁群算法的带时间窗的多目标车辆调度研究

蚁群算法是模仿蚂蚁寻找路径的一种智能化启发武算法.带时间窗的车辆路径问题(VSPTW)是在基本的车辆路径问题(VSP)上增加了时间窗约束条件的一种变化形式,是一个典型的NP难问题.通过采用一种改进的路径构建方法和信息素更新策略,构造一个改进的蚁群算法来求解多目标的VSPTW.与基本AS(Ant System)算法比较结果显示,该算法对于求解VSPHTW问题具有较好的性能.     

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.     

基于时间窗的车辆路径优化问题研究

物流配送车辆路径优化作为涉及多个影响因素和多目标要求的组合优化问题,其中具有时间窗约束的物流配送车辆路径问题是一个NP难问题。文章给出了基于时间窗约束的车辆配送路径优化模型,改进了传统的C-W节约算法,并与传统的C-W节约算法进行实例比较验证,讨论了各种方案的优劣,给出了切合实际需要的配送方案。     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

基于聚类的混合多目标遗传算法在车辆路径问题中的应用

建立了有时间窗口的车辆路径问题多目标优化模型,提出了一种基于聚类的混合多目标优化遗传算法。该算法采用并列选择方法,用擂台赛法则构造非支配集,并用聚类方法缩小非支配集,避免了求解非凸解的困难,提高了遗传算法搜索速度及避免了＂早熟＂等不足。实验结果表明,该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。     

基于改进智能水滴算法的混合时间窗电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计混合时间窗惩罚函数和模糊预约时间函数,建立基于混合时间窗约束的多目标车辆路径模型。设计改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

基于改进跟随蜂搜索过程的ABC算法

研究了一种求解作业车间调度问题的改进人工蜂群算法.在分析了蜂群算法在车间调度问题应用现状的基础上,指出了蜂群算法的优势和不足.针对蜂群算法在邻域搜索能力上的不足,利用模拟退火算法改进跟随蜂的邻域搜索过程,提高了算法搜索范围和收敛性.采用车间调度标准算例,通过仿真实验与其它算法进行比较,验证了算法的有效性和优越性.     

基于自营式外卖的配送路径优化问题

近年来外卖行业迅速发展,在快消费时代引起了一股浪潮,然而随着外卖业的发展,如何提升外卖服务业的水平也成了热门话题,其中外卖配送路径的优化问题有为重要,其直接影响到了顾客体验以及配送成本。本文主要针对商家自营式外卖配送形式,立足于实际案例,通过TSP规划求解以及节约算法解决单配送车辆不考虑载重、多配送车辆考虑载重、多配送车辆考虑载重与时间窗的外卖配送路径优化问题,并对三种方案进行对比,分析其可行性进而实际解决某餐厅的外卖配送路径设计问题。     

可达集约束下的自主车辆路径规划势场蚁群算法

针对目前路径规划算法不能覆盖车辆所有不确定的状态而导致安全性低的问题,提出了以后向可达集为约束的自主车辆最优路径规划算法。即后向可达集的变化范围作为势场蚁群算法的约束条件,在多车辆道路交通环境下,利用后向可达集不同安全区域信息素浓度不同,且越靠近危险区域信息素浓度越低的特点,给出了自主车辆最优路径建模方法,并且从理论上保证了该算法安全性的置信水平。仿真表明,该方法不仅提高了传统势场蚁群算法的安全性,同时也可以推算自主车辆轨迹跟踪的过程中安全状态的可达范围,预测自主车辆未来一段时间间隔内安全状态。     

铁路技术站防溜工作优化研究

为了优化技术站繁忙时段防护员行走路线,压缩人员编制,提升作业效率,在详细分析相关规章及防溜作业流程的基础上,提出防护员作业过程中行走路线为特殊条件的哈密尔顿网络.首先依据防护员一次作业过程中的特点,创建分阶段多目标0-1整数规划模型,其次对模型进行深入分析,根据模型特点等价转换为带有时间窗的车辆路径模型,最后选择遗传与局部优化混合算法对模型进行求解.以乌鲁木齐铁路局集团公司管内某技术站实际情况进行计算,结果表明:带有时间窗的车辆路径模型能够较好的表达现场实际情况,遗传与局部优化混合算法迭代计算收敛速度较快,能够在列车连续到开的动态网络中得出最短路径及最少防护员岗位个数,对现场工作具有一定的指导意义.     

蚁群算法在LQ最优控制逆问题中的应用

蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质．研究了一种可用于求解连续空间优化问题的蚁群算法策略，针对SISO离散时不变控制系统，在给出了加权矩阵Q与状态反馈阵K的取值范围确定方法的基础上，应用连续性空间优化问题的蚁群算法模型求解了离散LQ逆问题。仿真结果表明蚁群算法在求解控制优化问题中的有效性。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

蚁群算法在路径规划中的应用研究

首先,在叙述蚁群算法存在的问题后,提出了本文中的基于方向夹角的蚁群算法。然后,本文用西安市交通道路网络数据对基于方向夹角的蚁群算法进行了实验。结果表明,本文中改进的蚁群算法具有寻优能力强,收敛速度快,参数设置稳定的优点。     

一种改进的蚁群算法及其在TSP问题中的检验

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。     

基于直接通信策略的双态蚁群算法

针对蚁群算法容易陷入局部最优解的缺陷,提出了一种基于直接通信策略的双态蚁群算法。通过两种状态的蚁群的分工合作,避免了算法收敛过程中的早熟停滞现象;通过设置信息素交流机制,使蚂蚁能在各自的交流范围内与其他蚂蚁交换解的信息,提高解的质量。针对TSP的实验结果表明,该算法在求解精度和稳定性上取得了良好的效果。     

一种改进的蚁群算法及其在复杂TSP问题上的应用

以简单TSP问题为例描述了传统蚁群算法过程,提出了其存在的问题及解决该问题的方法.提出了复杂TSP问题的定义,结合改进后的蚁群算法提出了解决复杂TSP问题的方法.通过实验表明,改进后的蚁群算法能够用于解决复杂TSP问题.     

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。     

基于禁忌算法的长沙移动网络优化

移动网络优化问题是一个NP难问题,所以它并不能保证在合理的运行次数里就找到最优的方案。常用的人工智能求解优化问题有遗传算法、蚁群算法和禁忌算法。相对于这几种算法在离散对象的组合优化问题中优势比较明显,而禁忌算法更容易跳出局部极值从而能在更大的范围内寻找到一个较优解。我们开发的基于禁忌算法的长沙移动网络优化软件,通过科学分析采集的数据,从而解决话务阻塞和掉话问题,优化了网络,提高了长沙移动的网络质量。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

基于粒子群优化算法的结构系统辨识

针对一般智能理论辨识方法在结构系统辨识中存在的问题,提出一种基于粒子群优化算法(PSO)的辨识方法。用粒子群中的粒子表征结构物理参数,以最大似然准则为粒子群优化算法的适应度函数,建立了结构系统的辨识模型。数值仿真分析表明,粒子群优化算法可以精确辨识出结构系统的物理参数。