规模车辆调度问题的有效算法分析

物流配送车辆调度几十年来一直是一个研究的热点,特别是近阶段物流作为一个新兴的行业正在发展。本文首先介绍了车辆调度的定义和分类,针对其特点在目前各类优化方法中,选择了具有代表性的两个算法,节约启发式算法和遗传算法。对这两种算法在建模和原理上进行阐述,最后比较分析双方的优缺点和适用性。在现实运用中操作者可以根据各自所需进行合理选择。     

求解无人驾驶车辆路径规划问题的QPC-MT-RRT算法

针对无人驾驶车辆路径规划问题,基于快速扩展随机树(rapidly-exploring random tree, RRT)算法,提出了1种5次多项式曲线(quintic polynomial curve)与MT-RRT(multi-targeting rapidly-exploring random tree)的融合算法,即QPC-MT-RRT算法。该算法根据无人驾驶车辆路径规划的相关理论,建立无人驾驶车辆路径规划问题的车辆运动学模型,为规划无人驾驶车辆最优、最高效、最安全路径提供理论依据。将上述算法在MATLAB上仿真,并在平均路径长度、平均路径规划时间、平均采样节点个数及节点利用率4个方面与基本RRT算法及MT-RRT算法进行了对比。仿真结果表明：5次多项式曲线与MT-RRT算法的融合算法具有最高的性能,可以规划出最优路径。     

用改进萤火虫算法求解岸桥调度模型

针对集装箱码头岸桥调度问题,以集装箱箱组为切入点,综合考虑岸桥干扰约束及作业单元优先顺序约束,以最小化船舶作业时间以及岸桥作业时间为目标,建立混合整数规划模型.利用多种算法进行求解对比,并针对新颖的萤火虫算法进行研究,提出两种改进的萤火虫算法以克服其运行时间较长及易陷入局部最优的缺陷.实例分析表明,两种改进后的萤火虫算法能有效解决岸桥调度问题,其相关理论对提高岸桥的作业效率以及集装箱码头服务水平具有一定借鉴意义.     

车辆网络中基于网络编码机会的调度算法

证明在车辆网络中应用网络编码,其广播容量最大化问题是NP难的;提出一种基于最大编码机会的优化调度算法. 该算法结合网络编码与车辆缓存提供的编码机会,有效提高了广播容量. 结果表明,与贪婪算法相比,该算法获得更大网络编码增益,保证了一定的传输公平性.     

低碳环境下电动汽车车辆路径问题

为探究电动汽车对物流企业成本和环境的影响,以低碳、节能和低成本为目标,分别构建低碳环境下传统汽油车和电动汽车的路径模型,利用遗传算法求解并对结果进行对比分析。对电池容量、充电时间、电费进行敏感性分析。结果表明:使用电动汽车可以显著降低配送成本,减少环境污染;电池容量和充电效率的提升可以有效降低电动汽车配送成本,但对碳排放量没有直接影响。     

带有时间窗的车辆路径问题优化

为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用国际公认的车辆路径问题库中的数据作为算例,对3个目标函数都进行标幺化处理后,运用遗传算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型是有效可行的.该模型的建立有助于有效地解决带有时间窗的车辆路径问题,不仅能够提高物流工作效率,而且能够为城市交通质量的提高提供保障.     

基于爬山算法的集装箱堆场场桥调度

为提高集装箱码头的运作效率,采用1种基于整数规划模型和启发式算法(爬山算法)的场桥调度混合策略,将场桥调度和堆存空间分配作为整体构建场桥动态调度模型.以上海某集装箱码头堆场为例通过仿真验证该系统,结果表明该模型和算法的有效性和实用性.     

基于粒子GT算法的最短避障路径规划的研究

在对求解TSP问题的GT算法进行了细致分析和对比了TSP问题与避障路径规划问题的异同点之后,引入粒子计算和“基因库”概念,对GT算法进行了改造,并将其用于求解避障路径规划问题．实验表明,该算法能够应用于求解避障路径规划问题,并在一定程度上提高了演化算法的效率．     

蚁群算法在车间作业调度问题中的应用研究

混合蚁群算法在原有蚁群算法的基础上采用了新的信息素更新规则,把算法的效率和可用性提高了一个层次,通过实验验证混合蚁群算法对解决车间作业调度问题具有很好的性能。     

粒子群算法与遗传算法的结合研究

自上世纪80年代以来,智能优化算法(粒子群算法、遗传算法等)通过模拟或者揭示某些自然现象和过程而发展起来,为优化理论提供了新的思路.通过将不同算法结合来达到更好的优化效果日益成为当前优化研究领域的热点.在粒子群算法中引入遗传算法的交叉和变异算子及种群分割策略,将两种算法有机结合,提出了粒子群算法与遗传算法的混合优化算法(GA-PSO).为了验证该GA-PSO混合优化算法是否具有良好性能,将该算法用于一些标准测试函数的优化.     

人工免疫算法规划复杂环境下三维飞行航迹

应用人工免疫算法规划复杂地形和火力威胁环境下的三维飞行航迹.根据实际地形的特点提取在山岭横栏的地形和多火力威胁包围的复杂场景,利用人工免疫算法的3种情况分别进行飞行器的航线设计,同时根据飞机的机动性和适航性对上述规划出的航迹进行优化;并把免疫算法3种情况的模拟结果进行比较.仿真结果表明,与遗传算法相比,人工免疫算法在规划复杂环境下三维航迹是可行的,在时间上有一定的优势.     

大规模逆向物流网络非线性优化模型的研究

随着人们环保节约意识的增强,逆向物流系统的研究越来越受到关注。本文以最小化逆向物流网络整体成本为目标,建立了大规模多回收产品非线性逆向供应链模型,并针对模型用改进的遗传算法求解。最后,用一个具体算例验证其可行性与有效性。     

集装箱甩挂运输车辆调度优化模型的三阶段启发式算法

为完善解决轴辐式网络下的集装箱甩挂运输调度问题,针对轴辐式甩挂运输网络中的不同任务类型,考虑挂车中心数量、位置及任务时间窗,构建甩挂运输车辆调度优化数学模型;设计基于任务紧迫度函数、惩罚函数和距离函数的三阶段启发式算法,分别调度紧急任务、普通任务和超期任务.通过对经典算例求解,分别针对牵引车、挂车、挂车中心和紧急任务等数量的变化等进行敏感性分析,显示不同因素变化对整体调度方案的影响.该方法可为甩挂运输企业调度决策者提供相关的决策支持.     

基于遗传算法的蚁群算法参数优化研究

在最大最小蚁群算法基础上,利用遗传算法优点对蚁群算法中的参数α、β、ρ、qo进行优化,为参数选择提供一种可靠有效的理论依据。通过对TSP问题的仿真实验,表明改进算法比GA、ACA得出的解更接近最优解,求解的时间效率也更优。     

应用于电力系统无功规划的一种新算法

电力系统无功优化规划属于非线性混合优化问题,其控制变量既有连续变量又有离散变量,如果不能实现离散变量的精确处理,将导致优化结果不符合电力系统的实际．遗传算法是解决多目标混合优化问题的全局优化算法,但是具有优化时间长,易于收敛于局部极值点等不足,为此提出了灾变遗传算法,可以显著提高无功优化规划的计算速度和搜索精度,优化结果比传统遗传算法更优．     

基于粒子群算法的卫星任务地面站资源调度方法

针对卫星数传、测控任务的地面站资源调度问题,提出一种结合启发式方法的粒子群改进算法,对卫星的数传、测控任务进行一体化调度。首先分析卫星任务及地面站资源的约束条件,建立基于启发式规则的约束满足模型,筛选出较优的初始种群,然后设计一种结合启发式规则的粒子群算法求解。仿真对比实验表明,相对于常规调度算法(如遗传算法),粒子群算法具有较好的寻优能力和收敛速度;相对于传统粒子群算法,结合启发式方法的粒子群改进算法具有更好的寻优能力、收敛速度和稳定性。     

考虑能耗的自动化码头装卸设备协调调度

为提高自动化码头服务水平和减少能耗,在考虑自动化码头装卸设备作业能耗的基础上,针对自动化集装箱码头三种装卸设备(岸桥、自动引导车和自动堆垛机)间的协调调度问题,以设备总作业时间最短和总作业能耗最低为目标,建立多目标混合整数规划模型,并用遗传算法求解。结果表明,考虑能耗会对装卸设备的装卸时间产生影响,能耗要求越低,装卸时间越长。利用该模型可以实现三种装卸设备间的协调调度,并实现时间效率与节能之间更好的权衡。     

计重收费政策下的货物权重车辆路径

为提高物流效率、降低物流成本,在货物权重车辆路径问题（Weighted Vehicle Routeing Problem,WVRP）和计重收费问题研究的基础上,按照完全计重收费模式,建立以运输过程中总费用（包括固定费用、油耗费用和路桥费用)最小为目标函数的整数非线性规划优化模型.对实际算例,首先使用lingo软件求解精确解,然后利用粒子群优化（Particle Swarm Optimization,PSO）算法求解近似优化解,最后求解一般车辆路径问题模型并计算出相应的行驶总费用.3种结果的比较分析说明所提出的模型和用PSO算法求解的可行性和有效性.该模型可实现运输资源的优化配置,降低企业的物流成本.     

TSP问题的memetic求解算法

TSP问题是组合优化中的经典问题。其解决方法有局部优化方法和一些启发式算法,局部搜索方法充分考虑问题的邻域结构,遗传算法有很好的全局搜索能力,memetic算法把遗传算法和局部优化算法相结合,试验结果证明,能很好地解决TSP问题。