一种求解车辆路径问题的禁忌算法探究

针对车辆路径问题,提出了改进禁忌搜索算法.在求解过程中,采取双层操作构造邻域结构,设计动态禁忌表来改变禁忌表长度,提高整体寻优能力.仿真实验证明了算法的可行性和有效性.     

协同进化多生境遗传算法

为了提高多生境遗传算法的优化效率,提出了一种基于协同进化的多生境遗传算法,其基本思想是：将种群分割为若干子种群,每个子种群采用合作型协同进化方法独立进化;个体评价采用多生境方法,具体作法为：在对个体的适应值进行共享调整的同时,在选择中采用确定性排挤方法,在替换中采用最相似个体适应度最差个体被替换策略,以维持种群的多样性。数值实验表明,上述算法在维持多生境遗传算法较强全局搜索能力的同时,可适当提高算法运行效率。     

基于协同进化遗传算法的SOFM神经网络及其应用

针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM神经网络优化的方法。其基本思想是：针对SOFM神经网络中存在的“死神经元”现象,在SOFM神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免“死神经元”现象。     

基于搜索空间分割的协同进化遗传算法

针对经典协同进化遗传算法在优化大决策空间问题时计算复杂度较高的问题,提出了一种基于搜索空间分割的协同进化遗传算法,其基本思想是：将种群分割为不同规模的子种群,在进化过程中应用ε自适应方法调整子种群规模。复杂度分析和数值实验表明,改进后的算法可降低算法计算量,提高算法的优化效率。     

车辆路径问题的数学模型分析研究

本文首先对经典车辆路径问题(VR P)与旅行商问题的数学模型进行了简要的分析.其后对带时间窗的车辆路径问题进行了相应的描述,通过客户需求的服务时间窗在模型中进行惩罚函数的设置,并在模型中要考虑物流中心的客户时间窗、车辆运输费用和时间效应成本等因素的影响,进而来建立基于路况的带惩罚函数的VRPTW优化模型.     

带有次序限制的装卸一体化车辆路径问题研究

研究了装卸一体化的车辆路径问题,根据问题的实际情况,增加了带有次序限制条件,并以总行驶路线最短为目标,建立了数学模型,并根据模型的特点,用改进的遗传算法进行求解。最后,通过具体实例验证了模型及算法的有效性。     

基于模拟退火遗传算法的有时间窗军械物资运输车辆路径问题研究

本文将模拟退火算法与遗传算法相结合用于解决有时间窗军械物资运输车辆路径问题,避免了传统遗传算法常见的早熟收敛问题.实验结果证明,该算法可以有效求得有时间窗军械物资运输车辆路径问题的优化解,增强了算法的全局收敛性.     

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。     

求解CVRP的改进量子遗传算法研究

车辆路径问题属于离散NP-hard组合优化问题,传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法,每条染色体代表一种行车路线方案,利用改进的旋转门对种群进行更新操作,采用动态调整旋转角机制对量子步长实现自适应搜索,扩大全局搜索范围|引入一种变异操作,用于保持算法的种群多样性,从而提高算法的全局搜索宽度|采用客户节点重置和2 opt法对〖JP3〗线路进行再优化,增强算法的局部搜索能力。仿真实验和算法比较,验证了该算法的优越性和有效性。     

物流配送车辆调度问题的改进遗传算法

针对遺传算法容易陷入局部最优和收敛速度慢的特点,提出了一种改进的遗传算法来解决车辆调度问题:利用记忆库保存种群在进化过程中好的个体,使得好的个体不会在进化过程中丢失,同时子代的构成有父代个体和父个体经过遗传操作后所生成的子个体共同构成.该算法能够保证群体的多样性,避免遗传算法的早熟现象,通过仿真模拟,表明该算法具有可行性和高效性.     

一种优化精度较高的小生境遗传算法

提出了一种基于排挤机制的小生境遗传算法．其特点是能够在进化过程中动态地记录个体的进化方向，由此在进化结束后，可以沿记录的方向继续进行局部搜索，以进一步提高解的精度，仿真实验表明，该算法不但可以有效地保持种群的多样性．找到较多的解，还可大大提高解的精度，与普通遗传算法相比，虽然它有较大的时间代价，但在一些对快速性要求不高、而对解的精度要求较高的场合，有很好的应用前景。     

带时间窗车辆路径问题的混合遗传算法

针对标准遗传算法在解决带时间窗的车辆路径问题（VRPTW）时存在早熟收敛和易陷入局部极值点的特点,引入遗传算法与禁忌搜索结合的混合算法,同时对杂交算子进行了改进.算法既具有遗传算法的全局性和并行性,又具有禁忌搜索算法的爬山能力.实验表明,改进的混合算法具有计算效率高、收敛速度快等特点,是一种有效的方法.     

最优特征子集的遗传算法求解

指出最优特征子集选择问题(OFSS)是个NP-Hard问题,寻找一个近似算法具有现实意义。遗传算法提供了一种求解复杂系统优化问题的通用框架。使用基于小生境技术的遗传算法求解OFSS问题,以获得较好收敛性、稳定性和较快的速度。     

蚁群算法在求解车辆路径安排问题中的应用

蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具.本文在简要介绍蚁群算法和车辆路径安排问题的基础上,探讨了应用蚁群算法求解车辆路径安排问题时需要解决的问题,讨论了相应的解决方法和提高算法求解性能的方法.     

进化状态可控型遗传算法

遗传算法是模拟自然界生物进化过程的一种优越的全局优化方法,但由于遗传操作的随机性,其进化过程是"暗箱操作".本文提出进化状态可控、遗传操作具有智能功能的方法,并通过计算机模拟,验证了该算法的有效性.     

车辆路径问题的算法研究

在对车辆路径问题进行描述的基础上,根据容量和时间窗的约束条件,设计一种新的解的表示方法,构造了求解该问题的禁忌搜索算法,给出了算法对测试算例的运算结果,该算法的计算效率较高,收敛速度较快,计算结果也较稳定.     

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.     

遗传算法在求解背包问题中的应用

遗传算法是模拟自然界生物进化过程的计算模型，本文阐述了遗传算法的基本理论，给出了遗传算法解决背包问题的基本方法，并通过实例计算证明了该方法的可行性和有效性．     

基于小生境的自适应多目标遗传算法求解流水车间调度问题

流水车间调度问题属于NP完全问题。为了更高效地求解多目标流水车间调度这一问题,提出了一种新的混合多目标遗传算法,采用小生境技术、双重精英策略及非劣解局部搜索,并且可根据适应度来自动调节交叉和变异概率。实验表明,该算法具有更快的收敛速度和优化效果。     

求解钻井布局问题的遗传算法

对钻井布局问题进行了分析,建立了简单实用的数学模型,设计了有效的遗传算法,得到了理想的结果.计算结果表明,算法具有高效的特点.