确定车辆数的有时间窗车辆路径问题的遗传算法

给出了有时间窗车辆路径问题（vehicle routing problem with time window，VRPTW）的通用数学模型，通过引入新的CX交叉算子，能有效避免传统遗传算法“早熟收敛”的局限。特别是在确定车辆数时，实现了VRPTW的路径长度和车辆数的同时优化，改善了优化结果，提高了优化速度。实验结果表明，该方法明显减少了迭代次数。     

求解带时间窗车辆路径问题的狼群算法

针对城市物流配送和交通运输中广泛存在的带时间窗车辆路径问题,为寻求最佳路径规划,应用惩罚函数,构建了以总运输成本最小为目标的数学模型。在车辆路径优化求解方面,根据问题具体特征设计了1种二维编码方式,并采用近邻初始化方式构建初始解从而提升寻优速率;随后,结合狼群算法觅食行为中的游走、召唤及围攻3种行为,重新定义其智能行为,设计了一种求解带时间窗车辆路径问题的狼群算法。由于原始狼群算法的召唤行为引入距离判定因子来增大种群搜索空间,但也增加了算法复杂性且易陷入局部最优,故本研究舍弃了距离判定因子,采用猛狼1次奔袭便进入围攻状态来降低算法复杂度,并在算法中进一步增强了种群间信息交互。最后,应用该狼群算法求解多个测试算例。结果表明:狼群算法在求解带时间窗的车辆路径问题时是可行的、有效的;与禁忌搜索算法、遗传算法、改进蚁群算法和混合粒子群算法等常见智能优化算法相比,狼群算法不仅具有收敛速度快和搜索质量高等优点,而且拥有良好的稳定性和求解效果。     

考虑出行时间窗的定制公交线路车辆调度方法

为提高定制公交系统的运行效率,研究了带乘客出行时间窗约束的多条定制公交线路车辆调度方法。给出了乘客出行站点合并方法,将公交车早到、晚到站点所造成的乘客损失转变为当量运营里程,以多辆公交车总运营里程最小为目标,考虑乘客的站点约束、公交车容量约束以及乘客的出行时间窗,建立了定制公交车辆调度优化模型。其次分析了乘客出行起点、终点对模型求解的影响,通过提出虚拟源站点,将多辆定制公交车的调度问题转换为多旅行商问题;基于后向推导原则设计贪心算法求得模型的可行解;之后基于遗传算法,采用自然数编码机制,将每个站点作为基因位,按照访问次序排列成染色体对应问题的解;最后给出了贪心算法和遗传算法的流程。在理论研究的基础上以定制公交线路为例对建模过程和模型的求解过程进行了阐述。研究结果表明：所建立的优化模型能够输出合理的多条定制公交线路车辆调度方案,不仅可以给出每辆定制公交的途经站点、运营里程,还可以给出每个站点的准点程度以及由于公交早到、晚到折算得到的当量运营里程;在求解算法质量方面,与可行解相比,相对最优解输出的方案能够使综合运营里程降低10.4%;模型求解时间为30.3 s,可以满足定制公交企业的实时性需求。     

一种有时间窗约束的非满载车辆调度问题中的启发式算法研究

设计了一种求解有时间窗约束的非满载车辆调度问题的启发式算法，它将路网中各点首先分组，而后又在局部使用了修正后的C-W节约算法进行路线的安排，最后给出一具体实例来展示此算法的原理及解题过程。通过实例可以看出，此种算法简明、易于理解、可操作性强，能够很好地解决有时限非满载的车辆调度问题。     

模糊环境下的多目标非满载车辆调度问题

针对现实物流配送过程中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出了一种具有模糊时间窗和模糊配送时间,以最小化配送车辆数、提前/滞后惩罚以及配送里程为目标的多目标非满载车辆调度问题模型.在问题求解方面,针对基本粒子群算法容易陷入局部最优的问题,引入利用混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子...     

基于改进禁忌搜索算法的车辆路径问题模型

为了解决传统禁忌搜索算法程序复杂、独立性低下等问题,在考虑带有时间窗的车辆路径问题的基础上,提出了带有时间窗和异构车队的车辆路径问题。为了更好地解决带有时间窗和异构车队的车辆路径问题,建立了带有时间窗和异构车队的车辆路径问题的模型,此模型同时考虑了时间窗、异构车队以及车辆数量限制的多重属性,提出一种改进的禁忌搜索算法来解决这一问题,改进的禁忌搜索算法其实质是在原有禁忌搜索算法的基础上加入了保留表,等级成本结构原则和车辆排序准则对其进行了创新。通过在原有算法中加入保留表,并使用等级成本结构的原则,提出了一种新的解决车辆路径问题的算法,这种改进的禁忌搜索算法解决了传统禁忌搜索算法的弊端,不仅可以使用户点在路径上紧密排列,同时还能达到优化运输路线的目的。最后为了演算改进的禁忌搜索算法的有效性,使用具体的案例数据对改进的禁忌搜索算法进行了演算,演算结果证明了这种创新算法在解决带有时间窗和异构车队的车辆路径问题上是有效的。     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

有时间窗约束的车辆路径问题的改进遗传算法

针对有时问窗约束的车辆路径问题，在标准遗传算法的基础上，将分组信息与每一个染色体结合，并辅之以λ-交换局部搜索技术，构造了一种改进遗传算法。该算法使得求解结果更接近最优解。实验表明，本算法是有效的。     

多目标低碳车辆路径优化模型及求解算法

为有效降低物流配送过程产生的能耗和碳排放,控制配送成本,以传统带时间窗车辆路径问题为基础,研究低碳条件下的车辆路径问题.通过三角概率分布在合理速度区间内对车辆速度进行估算,综合考虑车辆行驶速度、载重量及运行里程构建碳排放计算模型,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径优化模型.将新兴多因子优化算法中协同进化和信息交互的思想应用于NSGA-II算法,提出增强型NSGA-II算法.算例结果表明,多目标优化模型可以更好地兼顾不同物流配送参与者的利益,更符合实际决策过程,所提出的ENSGA-II算法在经济成本上平均节省超过3%,在车辆周转时间上平均改进达到5.02%,表现出较好的求解性能.      

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.