一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型。通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解。结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化。     

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.     

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.     

蚁群优化算法在物流配送车辆路径问题中的应用研究

车辆路径问题(VRP)是一类物流配送领域具有广泛应用的组合优化问题,属于NP难题。一种改进的蚁群优化算法可以用于求解VRP。实验结果表明,采用蚁群优化算法能有效求解VRP问题。     

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.     

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.     

一种混合算法在车辆路径问题上的应用

针对粒子群优化算法PSO求解车辆路径问题容易陷入局部最优的缺陷,提出了将量子门思想、遗传算法思想与粒子群算法相结合的混合算法来求解车辆路径问题,以Matlab语言为开发工具实现VRP实际问题的求解。实验表明,混合算法比粒子群算法能有更好的避免陷入局部最优,可以搜索到更优解。     

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.     

混合差分蜂群算法求解带容量约束车辆路径问题

为求解带容量约束车辆路径问题,提出了一种差分算法改进的人工蜂群算法(DABC).针对人工蜂群算法开发能力较弱的缺陷,采用了全局最优解引导的邻域搜索策略.为避免早熟,引入差分算法的交叉更新策略进行局域优化.仿真实验结果证明,混合差分蜂群算法在求解带容量约束车辆路径问题时,能较好地平衡了探索能力和开发能力,在求解速度和稳定性上有良好的效果.     

一种求解简单网络路由问题的混合蚁群算法

蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路。该文提出了一种求解网络路由问题的混合蚁群算法,该算法根据概率取值的不同选取三种不同的状态转移规则,通过仿真实验,获得了较好的效果,并与禁忌搜索算法进行了对比,结果表明,混合蚁群算法比禁忌搜索算法运行的时间更短,具有更好的求解性能。     

WSN中基于蚁群算法的单向链路路由算法

提出了一种无线传感器网络中基于蚁群算法的单向链路路由算法,该算法采用单向链路和双向链路相结合的方法,寻找源节点到目的节点的最优路径。仿真结果表明,该算法能够选择参数性能好的路径,最优路径上的总时延远远小于只支持双向链路的传统蚁群算法,而且最优路径的收敛速度明显加快,由此节省了无线传感器网络中的能耗。     

基于蚁群算法的QoS路由问题研究

QoS网络路由问题是一类NP-完全问题,不能在多项式时间内找到问题的解答。本文应用蚁群算法,通过生物仿真运算,能较快地得到全局最优解。     

改进蚁群算法在物流配送路径问题中的应用

将最大最小蚂蚁算法与变异操作相融合,改进物流配送路径问题的求解,其算法首先采用最大最小蚂蚁算法产生较优解,然后使用变异操作对较优解进行优化.测试结果表明：该改进算法可以避免蚁群算法在搜索过程中陷入局部最优,有效地提高算法的全局寻优能力.     

改进遗传—蚁群算法求解多维0/1背包问题

针对传统启发式算法难以平衡求解收敛次数与求解精度问题,通过充分分析GA和ACO两种算法的优缺点,设计了一种改进的遗传蚁群算法。将算法分为上下两步,分别以GA和ACO为主。在GA中引入信息素更新机制连接上下两部分算法|在ACO中引入遗传变异操作尽可能扩大解的范围。同时结合两种算法各自解的继承方式,采用合适的方法分别处理这两部分产生的不可行解。获得解后,通过引入交换邻域的爬山法思想进一步尝试优化解。最终在保证求解精度的前提下,减少求解所需的迭代次数。实验结果表明,在需要保证求解精度的前提下,相比传统GA,该方法的求解效率提高了一个量级。     

基于混沌蚁群算法的物流配送路径问题仿真研究

将混沌与最大最小蚂蚁算法相融合,在蚁群算法的信息素更新规则中加入混沌扰动量避免了在搜索过程中陷入局部极值.测试结果表明混沌蚁群算法能够有效地提高算法的全局寻优能力,对于物流配送路径问题的求解能够获得满意的结果.     

多配送中心车辆路径问题的两阶段算法

对多配送中心车辆路径问题进行描述,并建立该问题的数学模型,设计了求解多配送中心车辆路径问题的两阶段算法。第一阶段把多配送中心车辆路径问题转化成单配送中心车辆路径问题,提出基于边界客户分配法的转化策略;第二阶段对单配送中心车辆路径问题进行求解,采用禁忌搜索算法进行优化求解,最后表明算法的有效性和可行性。     

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。     

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.