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。     

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。     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

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.     

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法.通过计算若干benchmark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性.蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法.     

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。     

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.     

蚁群算法在高校物品配送路径优化中的应用

在分析高校物流特点的基础上,对高校物流路径优化问题做出合理假设并构造目标函数,鉴于蚁群算法具有良好的正反馈性和并行性,运用该算法求出近似最优解。此算法能快速收敛于全局最优解,可有效地解决带有时间窗约束下的高校物流配送路径优化问题。     

基于智能优化算法的车辆路径问题的研究与应用

在电子商务蓬勃发展的大环境下,物流行业已经成为推动我国经济发展的重要力量,人们对物流配送的要求也越来越高,如何科学合理地规划配送车辆的路线,实现高效率、低成本是当前学者们研究的重点。物流配送遍及生产生活的方方面面,面对日益复杂的道路环境,随着信息化水平的提升,这使得用智能计算推动物流配送模式革新有着重要意义。本文通过科学合理的方法对复杂的车辆路径问题(VRP)的衍生问题,即带时间窗的车辆路径问题和同时取送货的车辆路径问题(VRPSPDTW)进行求解,主要通过对现有的鲸鱼优化算法进行研究,针对鲸鱼算法求解问题后期种群多样性缺失的问题,引入新的收敛因子、自适应权重和Metropolis准则对其进行补足,将其应用至实际问题中,验证其可行性。