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.     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大-最小蚁群算法相融合的混合蚁群算法,并与最大-最小蚁群算法作了比较.实验结果表明,混合蚁群算法可以快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度.实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解.     

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.     

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。     

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。     

基于灰狼算法的车辆配送物流路径优化研究

为了实现农产品物流配送车辆路径的合理优化,降低物流配送成本和提高消费者满意度,提出一种基于灰狼优化算法的多目标农产品物流配送车辆路径优化模型。选择物流配送成本最低和路径最短为目标函数,将灰狼位置编码为车辆编号和车辆路径顺序,通过灰狼优化算法实现多目标农产品物流配送车辆路径的最优规划。研究结果表明,与PSO和GA相比,在行驶里程和平均行驶成本方面,GWO的成本最低且行驶里程最少。     

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.     

求解车辆路径问题的协同进化遗传算法

通过对车辆路径问题的分析,建立车辆路径问题数学模型。针对遗传算法优化车辆路径问题易陷入局部最优解以及收敛速度慢等问题,引入基于动态小生境的协同进化模型。最后,将动态小生境协同进化算法应用于所建立的模型中。实验结果表明：动态小生境协同进化遗传算法可有效避免遗传算法的早熟现象,并在一定程度上提高优化车辆路径问题的求解效率。     

基于VIP客户的多配送中心车辆路径问题的优化

在配送过程中,VIP客户订货量较大,为其提供快速及时的服务能提高VIP客户的满意度,所以研究基于VIP客户的多配送中心车辆路径问题(Multiple Depot Vehicle Routing Problem based on VIP clients,MDVRPVC)模型具有现实意义.由于基本的蚁群优化(Ant Colony Optimization,ACO)搜索初期信息匮乏,导致信息素累积时间长,求解速度慢,所以结合具有快速全局搜索能力的遗传算法,自适应地改变信息素的挥发系数,引入平滑机制,有助于对搜索空间进行更有效的搜索,构成一种混合自适应蚁群优化算法(Hybrid Adaptive Ant Colony Optimization,HAACO).应用GA和HAACO对MDVRPVC求解,实验证明,求解算法HAACO是有效可行的,且HAACO优于GA.     

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.     

车辆路径优化文献综述

车辆调度问题（VRP,Vehicle Routing Problem）是现代物流系统研究中的一项重要内容.选取合适的运输路线,可以加快对客户需求的响应速度,提高服务质量,降低服务商的运营成本.本文就车辆路径问题的模型和求解方法对前人的研究成果进行回顾与梳理.     

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。     

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。     

城市交通路径优化系统算法研究

本文介绍了先进的交通管理系统(ATMS-Advanced Traffic Management Systems)子系统路径优化系统实现的算法研究.路径优化技术是路径诱导系统得以实施的关键技术之一,路径优化系统是ATMS重要组成部分.     

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.     

基于改进遗传算法的动态路径优化研究

日常出行中,由于道路养护、天气变化等原因,导致部分路段交通受阻甚至禁止通行,这种情况下需要避开此路段。在基于改进遗传算法查找最优路径的基础上,对如何根据路况变化动态寻找更为合适的最优路径进行了探讨。     

带软时间窗VRP及其混合蚁群算法

为了解决带软时间窗车辆路径这一类典型的NP-hard问题,减少总配送成本,本文提出一种混合蚁群算法,通过蚁群优化技术与遗传算法中的变异算子结合增加解的多样性,根据适应度函数评估解的质量获得精英解来对构建的模型求解,采用众所周知的基准所罗门数据集,设置25和100不同的客户规模仿真结果对比评估性能,得到全局平均解的优化率...