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。     

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。     

基于MSCOA算法的梯级水库群优化调度

结合梯级水库群联合运行的实际情况,分析目前国内外水库调度算法不足,本论文利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站群中长期水库调度问题应用研究,建立一种梯级水电站群中长期水库优化调度模型,通过实际数据验证,此方法可以获得梯级各电站的最优运行方式,为指导梯级各水电站的实际运行最优化提供科学决策依据。     

船闸调度信息管理及闸室排挡调度优化设计

针对梧州市长洲水利枢纽船闸调度排挡的问题,对船闸调度信息进行管理以及闸室排挡调度算法优化设计。通过研究船闸通航的情况,在穷举法的基础上进行改进,该优化方案考虑了船闸之间的调配,也考虑了船闸的最大容量,同时兼顾先来先服务的原则,也考虑了特殊船只,在实际应用中取得良好的效果。     

动态车辆调度系统的滚动时域调度算法

提出了一类特殊的动态车辆调度问题--动态独占性带时间窗口装卸货问题.给出了问题的数学描述,分析了其静态性质,并把问题简化为不对称带时间窗口旅行商问题.提出了求解该动态问题的滚动时域调度算法,通过时域的不断滚动,不仅可以跟踪问题的动态变化,还由于每次滚动只对部分客户进行处理,可以减少问题的求解时间.并分析了算法的3个要素:当前客户窗口、当前客户窗口的调度和滚动策略.测试结果验证了算法在求解动态车辆调度问题中的有效性.     

一种离散细菌菌落优化算法研究

为了拓宽智能优化算法解决实际问题的能力,提出一种离散的细菌菌落优化算法。首先,设计新的个体编码方式以及进化方式;其次,融合禁忌搜素算法,克服算法易陷入早熟的不足;最后,与其它算法在Taillard标准调度测试问题集上比较实验,验证了算法的有效性。仿真表明,算法能够寻求到问题的最优组合。     

基于交通拥堵指数的蚁群改进算法研究

随着城市道路规模的不断扩大,在车辆路线优化问题上,大部分学者只考虑距离或者费用等单目标,往往忽略了实际交通道路情况。提出了一种基于实际道路交通情况的路线优化改进蚁群算法,首先根据实际交通道路生成交通网络图,然后在信息素初始化时根据各路段的交通拥堵指数加入对应的交通拥堵权重;其次在信息挥发系数中加入车流量系数;最后在转移概率中加入道路畅通强度加强蚂蚁的选择。Matlab模拟实验证明,带交通拥堵指数优化后的蚁群算法能更好地符合实际道路情况,解决车辆路线优化问题。     

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.     

人工免疫算法在引水工程中的应用

当前,跨流域调水工程的泵站在运行调度中普遍存在效率低、能耗大的一系列问题,随着我国调水工程建设的增多,针对泵站的优化调度节能降耗越来越受到水利部门的重视。传统的优化调度中采用的动态规划法已经不能很好的解决多约束条件下的泵站优化调度,本文通过人工智能领域的成熟技术一人工免疫算法解决非线性的泵站优化调度问题,由于人工免疫算法具有良好的鲁棒性、智能性、收敛性等特性,在求解泵站总耗能最小的数学模型中体现了很好的效果。     

基于博弈论的AGV系统优化调度模型

该文针对在多AGV系统调度中如何提高系统运行效率的问题,建立了AGV调度系统模型,并设计了求解最优调度方案的算法。该方法首先通过一种启发式算法,确定初始调度方案,然后运用基于博弈论的算法优化初始调度方案,提高了系统效率。通过仿真实例,验证了该方法的可行性和有效性。     

联合配送车辆调度及算法实现

现代物流业配送模式由单一配送向联合配送、动态配送、大规模跨区域配送转化。针对这一变化,提出了一种多维协同条件下的大规模车辆调度方法,构建面向多重约束条件的车辆调度数学模型,研究了针对大规模协同配送的车辆调度算法,以达到物流调度实时化、高效化和智能化目的。     

基于博弈论的AGV系统优化调度模型

该文针对在多AGV系统调度中如何提高系统运行效率的问题,建立了AGV调度系统模型,并设计了求解最优调度方案的算法。该方法首先通过一种启发式算法,确定初始调度方案,然后运用基于博弈论的算法优化初始调度方案,提高了系统效率。通过仿真实例,验证了该方法的可行性和有效性。     

考虑车辆与行人的单交叉口信号灯配时优化

针对路口交通信号灯配时优化问题,建立了路口车辆与行人平均等待时间数学模型。充分考虑路口的实际交通情况,合理设定模型约束,通过判断车辆与行人实际已等待时间,分类计算车辆与行人的预期等待时间;采用状态空间进化算法对模型进行优化求解,分别得到车辆与行人的绿灯分配时间,比较东西方向（南北）车辆与东西方向（南北）人行横道绿灯分配时间,取大者作为该相位车辆与人行横道绿灯时间。与固时控制相比大幅度减少了车辆与行人的平均等待时间,并且车辆与人行横道的绿灯分配时间更为合理,能更好地满足实时控制要求。     

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.     

自适应粒子群算法在水库优化调度中的应用研究

采用自适应粒子群算法（APSO）对水库优化调度问题进行了研究。建立了问题的数学模型，提出了该算法的工程实现方法，编制了基于Matlab语言的优化计算程序。三插溪水库的仿真实例表明：APSO算法较PSO算法的收敛性能更好，APSO算法在搜索晚期具有更强的局部搜索能力，更容易找到最优解。与遗传算法相比，APSO算法采用的参数少，实现简单，收敛结果更优。可见，APSO算法在水库优化调度问题上的求解是可行有效的。     

蚁群动态调度算法在混流车间作业调度的应用

混流车间作业调度是实际生产环节中的一个重要问题,也是制造系统生产管理的核心,同时实际的生产系统是一个动态生产环境.文中提出蚁群动态调度算法,通过实例具体分析并且跟传统的启发式算法相比较,实验结果证明蚁群动态调度算法对混流车间作业调度问题有较优的加工路径.     

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.     

考虑驾驶员舒适度的纯电动公交柔性调度优化

为克服公交调度优化模型中纯电动公交车受续航里程约束、未考虑驾驶员舒适度的不足,提出了人-车固定模式的纯电动公交车柔性调度优化方法。采用休憩时长为衡量驾驶员舒适度的指标,将保证驾驶员舒适度产生的负面边际效应量化为延误成本,以公交企业总成本最小为目标构建优化调度模型,引入改进的粒子群算法求解。改进算法通过调整粒子群算法的位置和更新机制解决传统粒子群算法易陷入局部极值的问题,进一步提高算法精度。实验结果表明,柔性调度优化方法能有效降低公交企业的总运营成本,具有一定的实用性。     

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。     

CVRP物流配送路径优化及应用研究

车辆行驶路径优化问题是智能安全交通网络的重要组成部分。针对传统车辆路径求解搜索时间过长、得不到最优解、求解质量不高的现况,在研究一般物流配送路径问题处理方法和数学模型的基础上,提出了一种改进的蚁群算法求解问题以提高构建路径的速度和质量,在限量车辆路径问题（CapacitatedVehicleRoutingProblem,CVRP）中用改进的蚁群算法来优化求解车物流的配送路径。通过MATLAB仿真结果表明,蚁群算法搜索速度相对较快,具有良好的全局求优能力,收敛结果表明可以准确求出最优路径,相比传统方案,优化后解的质量得到了提高,速度提高了80%左右,是一种可行性较高的求解物流配送路径优化问题的有效算法。