基于遗传算法的物流配送车辆调度优化模型研究

物流配送中,车辆调度是一个关键问题。为了提高物流配送中车辆调度的效率,本文提出了一种灵活的多目标组合优化模型,此模型可以方便的增减优化目标值。设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明。     

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.     

基于物流车辆调度算法的研究

物流车辆优化调度问题是一个研究热点,学者们采用了各种优化方法来解决实际问题。本文简述了物流配送车辆调度问题的常见算法,对求解车辆优化调度问题的步骤作了说明,并在结论中提出了算法的不足之处,以使大家根据实际情况选择最佳的车辆调度算法,提高经济效益。     

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.     

车辆调度问题的研究现状

车辆调度指的是车辆的合理化调度,自四十多年前被提出之后,便成为了广大学者研究的重点以及热点课题。文章首先对车辆调度问题进行了简单的描述,重点总结了相关学者在算法求解上的研究成果,主要包括算法的分类以及特点分析,最后对后续问题的研究工作进行了预测与展望。     

全局人工鱼群算法求解水果运输调度问题

分析4种不同的水果运输调度问题（Fruits in Vehicle Routing Problem,FVRP）：带硬时间窗的具有需求关联的模型、带容量约束的车辆运输调度问题模型、车辆运输调度问题模型和旅行商问题模型,并构建了相应的数学模型,采用基本人工鱼群算法和全局人工鱼群算法对所建立的4种模型求解,实验证明,全局人工鱼群算法克服了精度低、后期收敛慢、复杂度较高等缺点,能有效地求解此类问题,进一步证明了问题模型的复杂程度影响算法寻优能力,问题模型越复杂,收敛更慢.同时,也体现出当问题模型较复杂时,全局人工鱼群算法的寻优质量和速度优于人工鱼群算法.     

混凝土搅拌站配送车辆协同调度

针对混凝土生产企业集团化运营,各子搅拌站之间需紧密合作的问题,提出了多个混凝土搅拌站对多个工地之间运输车辆协同调度方案.根据混凝土配送行为特征,建立以多个施工工地中断浇筑和等待浇筑的运输车辆协同配送为目标的数学模型,运用改进的双层算子编码形式遗传算法对模型进行求解,并通过算例验证了模型和算法的有效性.结果表明,所提算法...     

基于模拟退火遗传算法的公交区域调度研究

采用模拟退火算法和遗传算法相融合,建立公交区域调度中行车计划生成的模型,创建目标函数,将模拟退火算法应用于遗传算法的交叉、变异过程中,对模型进行求解,并用实际的运营数据对模型进行了验证,结果表明,此方法是可行且有效的。     

关于车间作业调度的分布式遗传算法

本文针对车间调度问题提出了一种分布式遗传算法,并结合实例说明了算法的实现过程。介绍如何在车间作业计划调度中利用改进遗传算法,达到减轻人员负担,提高企业生产效率的目的。     

基于改进遗传算法的柔性作业车间调度研究

针对中小型企业生产车间柔性作业调度问题,采用改进的遗传算法求解最优调度结果。将最大完工时间最小化作为调度目标,对经典遗传算法进行相应的改进。首先利用粒子群算法获取工序序列与粒子参数之间的映射关系,在初始种群中利用混沌映射和反向学习策略以提高初始种群质量;然后提出一种将机器编码和工序编码相结合的分段编码方法,以解决某道工序有多台可选机器加工的问题;最后利用自适应交叉和变异概率提高算法收敛速度。通过对 Brandimarte 设计的 10 组不同规格的基准案例进行仿真实验,得到进化曲线和最优调度方案。实验结果验证了该方法的实用性和有效性。     

基于改进蚁群遗传算法的排课问题研究

提出了一种以蚁群算法为主,利用遗传算法经过交叉,变异,选择后产生进化的信息素作为蚁群使用的信息素.在遗传算法多次进化效果不明显时,引入模拟退火算法进行跳变的混合算法,使各种算法取长补短,改善了蚁群算法初始阶段运行缓慢和遗传算法局部搜索能力弱的缺点.提高了运行效率,同时运用这种改进的算法对高校排课问题进行仿真,从而比较算法改进的优缺点.     

遗传算法在云任务调度中的应用

云任务调度的目的是快速找到全局最优解.将多个云任务合理的分配给有限的资源上,使得整个任务的完成时间较短.文中主要介绍了遗传算法在云任务调度中的应用.通过仿真实验分析了采用精英策略的遗传算法和没有采用精英策略的遗传算法在云任务调度中的不同.     

改进遗传算法求解流水车间调度问题

提出了一个求解流水车间调度问题的改进的遗传算法.该方法把一个染色体编码成若干个可以重复的自然数,表示相应工件的排序权值;通过简单交换两个父代的若干相同位置的基因,产生能够继承父代优良特性的子代;并且采用均匀变异,更好地保持种群中基因的多样性.实验表明,比起传统的遗传算法,该方法的性能有显著改善.     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。     

基于演化算法的高校课程排课系统的研究与实现

提出了基于演化算法高校课程排课系统的方法,以课程为排课核心,以授课计划为排课依据,利用演化算法建立起有效地数据模型.通过实验验证,该算法能够结合高校实际情况,自动地找到了解决排课问题的模型,具有一定的通用性.     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.     

运输问题中最优调运方案的新检验法

提出一种运价矩阵算法,不仅可以一次性算出所有非基变量的检验数,而且在当前方案不是最优解时,不需重新从第一步开始计算,只需在前一次检验数矩阵的基础上稍加修改即可完成方案调整后的检验数的计算。