ArcGIS Engine下三维仓库存取货路径优化研究

针对平面仓库管理应用不足,结合仓库基本优化规则和功能组成情况,通过搭建货物信息数据库,利用ArcGIS Engine对仓库空间进行模拟,结合货物信息和空间模型建立起一个三维仓库系统.将ArcGIS Engine应用于仓库管理和模拟,从而进一步扩充了GIS的应用领域,并利用改进Dijkstra算法优化三维仓库货物TSP路径选取问题.     

旅行商问题推广及其混合智能算法

旅行商问题(TSP)是典型的NP-hard问题,是组合优化研究领域中的热点问题之一.全体旅行商问题(CTSP)是TSP的变形推广,它是比TSP更复杂的一个问题,而且有着广泛的应用.遗传算法(GA)具有随机全局搜索能力,但对于系统反馈信息利用能力差,且收敛慢,求解效率低.蚁群系统(ACS)算法具有并行全局搜索能力,且在很...     

物流供货系统优化研究

配货和送货在物流活动中具有十分重要的地位,合理选择配送线路和配载货物的方法对降低物流成本起至关重要的作用.简单介绍了几种常见的物流供货系统并分析了它们的优缺点;应用运筹学的知识,对货物运输中货物配载和配送路线的选择进行了研究,将其分为两部分,并建立了一个费用最小的模型,来实现系统的优化.     

带有能力约束的VRP的一种遗传算法

就商品配送中,带有能力约束的车辆路径问题(VRP),设计了一种新的遗传算法.该算法的核心在于构建一种新的染色体编码,将VRP问题转化为m个TSP问题,并设计出新的杂交算子.算法中染色体表示、评价函数的构造、杂交变异算子的设计经过实例计算的检验被证明较为可靠,算法运算速度快,容易获得有效解.     

带时间窗的地铁配送网络路径优化问题

为应对人们日益增加的货物需求与货车进城难题,提出整合地铁网和道路交通网,形成以地铁列车和城市配送车辆为载体的地铁配送网络.考虑列车开行时间表、客户服务时间窗、城市配送车辆容量等限制条件,构建带时间窗的地铁配送网络路径优化模型,综合优化地铁列车班次的客户分配、出站点的客户分配及末端配送路径.设计随机变邻域的迭代搜索算法(ILS-RVND)进行求解,以成都市地铁3号线运输货物为例,验证了模型和算法的实用性和有效性.结果表明,地铁配送网络配送成本低,准时性高,配送车辆行驶距离短,能满足比货车单独配送更精准的服务需求.     

一个基于现实路网的物流配送优化方法

介绍了基于现实的路网结构,利用Floyd算法,把复杂的路网简化为一个数学上的完全图,将物流配送的线路规划,转换为TSP旅行商问题的方法,再用蚁群算法求解TSP,得到满意解,以此作为配送车辆的行车线路,最后给出了一个模拟算例.     

��������������ɢ�¼������VRP�����о�

针对车辆路径问题（VRP）研究的复杂性,提出了一种新的解决方案. 首先对客户货物的配送过程建立离散事件仿真模型,在模型中,配送过程事件、资源等利用面向对象的方法进行描述,VRP问题涉及的各种约束条件在仿真流程中予以处理,所以该模型可以真实模拟复杂的车辆配送过程. 然后利用遗传算法对离散事件的仿真结果进行优化,得到了车辆路径问题的最优解. 这种将离散事件仿真和遗传算法相结合的方法可以有效克服精确算法和智能启发式算法较难解决多约束车辆路径问题的弊端. 实验结果验证了新方法的有效性和可行性,由于仿真结果详细记载了配送的全过程,因此该方法对车辆路径问题的实际应用具有一定的指导意义.     

配送网络流问题探讨

考虑物流配送中的网络流问题,即由某些供应点向各个需求点通过某种运输工具(货车、轮船等)供应货物的问题,目的是尽可能的降低配送成本.通过一个混和整数规划模型来描述该问题,利用网络单纯形法、拉格朗日松弛算法以及试探法为主要研究方法,有效地得到该问题一个近似程度较高的可行解.     

基于双层规划的危险货物配送路径鲁棒优化

针对不确定环境下带时间窗的多配送中心危险货物配送路径优化问题, 提出一种含鲁棒控制参数的鲁棒优化方法; 综合考虑危险货物运输风险、运输费用和服务时间窗, 构建了危险货物配送路径多目标双层鲁棒优化模型, 上层模型追求运输风险和运输费用最小化, 下层模型采用用户均衡交通分配模型; 根据Bertsimas-Sim鲁棒优化理论, 对含有不确定参数的上层模型进行鲁棒对等转化; 联合增强型Pareto遗传算法和Frank-Wolfe算法构建了求解多目标双层鲁棒优化模型的混合算法, 采用3段式编码和解码方法、等位匹配交叉操作以及翻转变异等遗传操作方法求解上层模型, 采用Frank-Wolfe算法求解下层用户均衡模型; 以经典的Sioux-Falls交通网络为例, 对含有3个配送中心、7个需求点的危险货物配送路径优化问题进行案例分析, 以验证模型及其算法的合理性。研究结果表明: 当鲁棒控制参数分别为0、30和60时, 构建的混合算法能分别快速得到3、2和3组鲁棒最优解, 且所有解均为包含具体运输路段和发车时刻的配送方案, 而非配送顺序; 该混合算法与传统两阶段启发式算法相比, 运算时间能节省54.74%。可见, 该混合算法无论是在求解效率上, 还是在解的表达形式上均优于两阶段启发式算法, 能较好地完成不确定环境下危险货物配送路径多目标双层鲁棒优化任务。      

一种基于云计算环境的动态车辆路径问题解决策略

针对动态环境下车辆路径问题,以最小化车辆数和配送里程、最大化载货率为目标,建立动态车辆路径问题的数学模型,提出了云自适应遗传算法。针对车辆路径问题的特点,提出车辆分配链和配送货物顺序链的双链量子编码方法;针对遗传算法交叉和变异操作可能导致早熟收敛和后期多样性丢失的问题,利用云计算方法设计了云交叉算子和云变异算子,并进行操作,还提出改进的云自适应遗传算法。仿真调度算例验证了与其他算法相比较,所提算法能降低早熟概率和提高迭代搜索效率。     

基于遗传算法的交货期Job-shop调度问题研究

研究遗传算法求解非传统的交货期Job-shop调度问题,其染色体编码采用基于工序的编码。为了减少搜索空间,利用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,运用一种优先交叉操作POX(precedence operation crossover)和设计了一种子代产生模式的遗传算法。将提出的遗传算法求解交货期调度问题,试验结果验证提出算法的有效性。     

IMPROVED GENETIC ALGORITHM TO OPTIMAL PORTFOLIO WITH RISK CONTROL

1IntroductionAlog-optimalinvestimentportfoliowithoutriskconstraintshasbeenintroducedandsystem-aticallystudiedinChapter15ofCoverandl'homas[11.Themodelcanbediscribedasfol-.lows:Astockmarketisrepresentedasavectorofstocksx=(X,,X,,..',X.)',X,>o,i=1,2,.-',m,wheremisthenumberofstocksandthepricerelativeXirepresentstheratiooftheclos-ingpriceofthecurrentbusinessdaytotheprevi-ousday.LetF(x),x=(x,,x2,..',x-)'eR"bethejointdistributionofvectorX.Aportfoliob=(b,,bs,..',b,)',b,>o,i=l,2,..',m,Zb,=1istheall…     

物体表面重建轮廓拼接的改进遗传算法

为解决物体表面重建中的轮廓拼接问题，将其转化为在有向图中寻求最优路径问题．提出了基于遗传算法的适用各种目标函数的轮廓拼接算法，其中对初始种群的产生、交叉算子和变异算子等做了改进，以确保产生的个体均能代表有效解．算例模拟结果表明，该算法简单可行，在优化性能、收敛速度及鲁棒性等方面优于模拟退火算法．     

一种基于灾变的单亲遗传算法

遗传算法存在着计算时间过长和易导致早熟收敛等缺点。单亲遗传算法不使用基本遗传算法常用的交叉算子,简化了遗传操作过程,且不要求初始群体具有广泛多样性,计算速度较快。但单亲遗传算法使用加快收敛速度的选择算子时,仍容易导致早熟收敛现象。模拟自然界中导致生物大规模灭绝的灾变现象,引入灾变的概念来保证解空间的多样性。提出灾变发生时机的判定方法。将此算法应用在旅行商问题上,实验结果证明了该算法的有效性。     

������ɢ����µĹ��������мƻ��Ż��о�

提出飓风等自然灾害条件下运用公交车进行居民紧急疏散的优化模型. 最优公交车疏散运行计划问题可转化为不确定性需求的选址—路径优化模型,目标函数是使总疏散时间最小. 选址—路径优化模型用于确定最有效的公交车集结点服务区域和将人员从受灾区域转移到指定避难所或安全地区的最优线路,并设计遗传算法、神经网络算法和爬山算法结合的混合启发式算法. 通过美国密西西比州格尔夫波特市的实际数据对所提出的模型进行验证. 实验结果表明,混合遗传算法在求解效果和效率上都优于传统的遗传算法.     

基于遗传算法收敛特性的停机准则

关于遗传算法及改进遗传算法收敛问题的研究表明,理论上分析各类不同结构遗传算法的收敛性是可行的.对已被证明收敛的遗传算法,在计算过程中最突出的问题便是如何判断当前计算结果已经到达最优解从而停止迭代.文中从遗传算法收敛特点及不同种群中最优个体适应值的一致性、种群的多样性出发,提出判断算法自动停止迭代的依据.     

遗传算法在区段站到发线的应用研究

为解决车站到发线的合理运用问题，采用遗传算建立了到发线运用的染色体结构和适应度函数，对这种复杂的非线性组合优化问题进行了仿真。     

有约束优化中遗传算法的应用

以列车操纵优化中为每个行车子区间分配时间片段这一实际问题为背景, 详细介绍了 用遗传算法(GA ) 利用引进惩罚项解决这一类有约束优化问题。同时给出了GA 对 于有约束问题的几点改进方法: 用交叉基始位加快进化进程、用变异环境串来激励 出更优秀的个体。      

遗传算法在均衡交通分配模型中的应用

均衡交通分配模型虽具有结构严谨、结果合理等优点,就目前而言却因为变量多、维数大导致无法很好的求解,从而影响其在实际交通规划中的应用.为了提高交通分配预测的准确性,解决均衡交通分配的求解问题,本文将遗传算法(GA)应用到其中.最后通过一个简例,并利用Matlab的GA工具箱进行编程求解,证明了该方法用于求解均衡交通分配模型的可行性.