�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

基于改进遗传算法的旅游线路选择问题

针对旅游线路选择问题,在编码、交叉、变异等遗传操作上,对遗传算法作了改进,并用MATLAB编程实现.结果表明,改进的遗传算法能够较好地求解旅游线路选择问题.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

带模糊需求的多类型车辆路径问题研究

针对模糊需求信息条件下的多类型车辆路径问题进行了分析,运用模糊数学的可能性理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

基于遗传算法的切割路径优化

将遗传算法用于求解加工路径优化问题．针对加工路径优化目标，即零件加工轨迹应走过零件所有内外轮廓且路径最短，给出了非确定型的多项式数学模型，并根据优化目标将其简化为点与点之间的优化．用遗传算法对加工路径优化进行了遗传编码，并对75个零件排样进行了计算机仿真计算．仿真结果显示，最优值（37129mm）为初始值（43622mm）的85％，表明该算法可行。     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

基于改进遗传算法的出租车共乘线路规划研究

常规出租车运行模式效率低,增加了城市的拥堵. 针对兰州市出租车搭载率低和行驶路线规划不合理等问题,设计一种以最高搭载率、最短行驶距离为目标的函数,考虑出租车的容量限制、车辆行驶距离限制及上下车人数约束等问题的共乘模式. 建立基于改进遗传算法的出租车共乘线路规划模型. 通过采用锦标赛选择策略、站点片段交叉设计和站点监督式变异等操作对模型进行求解. 最后用兰州市出租车历史轨迹数据进行实验分析,结果表明,运用设计的出租车线路规划模型及改进的遗传算法,能够快速地得到优化路径,实现多辆出租车的规划路径满足最高搭载率及最短距离的要求.     

基于改进遗传算法的出租车共乘线路规划研究

常规出租车运行模式效率低,增加了城市的拥堵. 针对兰州市出租车搭载率低和行驶路线规划不合理等问题,设计一种以最高搭载率、最短行驶距离为目标的函数,考虑出租车的容量限制、车辆行驶距离限制及上下车人数约束等问题的共乘模式. 建立基于改进遗传算法的出租车共乘线路规划模型. 通过采用锦标赛选择策略、站点片段交叉设计和站点监督式变异等操作对模型进行求解. 最后用兰州市出租车历史轨迹数据进行实验分析,结果表明,运用设计的出租车线路规划模型及改进的遗传算法,能够快速地得到优化路径,实现多辆出租车的规划路径满足最高搭载率及最短距离的要求.     

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。     

城市垃圾清运中的周期多车场车辆路径问题

城市垃圾清运问题可以使用周期多车场车辆路径问题来很好地描述。将这种典型的复杂组合优化问题分为两个阶段依次求解：首先求解整数规划,解决清运周期问题;然后采用一种混合遗传算法解决多车场车辆路径问题,从而可以降低求解难度。     

城市生活垃圾收运路线优化模型及算法研究

针对城市垃圾收运的现状,以垃圾收运的约束条件建立了单目标的垃圾收运路线优化模型,进而提出了相应的遗传算法,最后通过案例验证表明遗传算法求解垃圾收运问题能得出良好的近似解并具有较高的收敛速度,由此说明遗传算法在求解收运路线问题上具有较高的效率和较强的可行性。     

基于可信性测度的模糊车辆路径问题

车辆路径问题(VRP)主要用来寻找有效路径。车辆的起始点都是位于交通中心的仓库,通过车队运输来满足客户对商品的需求。文中介绍不确定条件下的车辆路径问题,即客户的服务时间窗是模糊的。设计一个基于可信性测度的模糊车辆路径模型,并通过模糊模拟和遗传算法的混合智能算法进行求解。最后,结合一个实例说明该模型的应用性和可行性。     

全局搜索聚类的多车场多车型调度算法研究

针对物流配送中多车场多车型车辆调度问题的特征构造了一种以最短路径为代价的车辆调度的双多模型.为解决此类NP问题,本文提出了一种两阶段解决方案：第一阶段首先对全局隶属值的搜索训练找出最优隶属度,然后再利用任务相对紧急数组以K-Means算法为基础对用户进行聚类,把一个多车场多车型的车辆调度问题转化成多个单车场多车型的调度问题,大大降低了问题求解的复杂度;第二阶段对多个单车场多车型VSP问题利用遗传算法进行并行处理,为了保证染色体的多样性和尽可能地降低问题求解复杂度,提出了五类遗传交叉算子;最后对4车场32用户实例进行试验.结果表明,此算法对求解多车场多车型车辆调度问题很有效.     

混合超启发式法求解大规模VRP的优化研究

车辆路径是一类NP(non-deteministic polynomial)完全问题,研究解决车辆路径问题的高质量启发式算法有着重要理论价值和现实意义.提出一种将最近邻搜索法和禁忌搜索法优势相结合的混合超启发式算法,用来解决带容量约束的车辆路径问题.先利用最近邻搜索法构建初步路线,再利用禁忌搜索法对内部线路和互跨线路进...     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.