基于蚁群算法的冷链物流路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中的重要问题之一.针对物流配送路径优化问题,依据冷链物流配送基础理论,考虑成本、货物损失及制冷时长等因素,构建基于多配送中心的最小配送成本模型,建立由运输成本、制冷成本、损坏成本及绿色低碳成本组成的复合目标模型.利用蚁群算法求解,以某类冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的科学性及有效性,得出最短运输距离为39.06 km、成本为1437.48元的结论.相对于搜索禁忌算法和遗传算法,蚁群算法在多配送中心冷链物流路径优化方面,能够平均减少1.11 km的运输距离和51.21元成本,更好地解决物流路径优化问题,提高物流服务质量.     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.     

不确定环境下多式联运路径多目标优化

针对不确定环境下的多式联运网络,考虑转运成本、时间及运输方式班期等影响因素,构建运输总成本最小和运输总时间最小的双目标优化模型.通过蒙特卡洛方法处理网络中的不确定性,设计结合非支配排序的多目标蚁群算法求解Pareto解.为解决基本蚁群算法收敛过慢、过早收敛带来的求解质量低等问题,在状态转移策略中加入方向启发因子,在信息素更新策略引入"最大-最小蚂蚁系统",从而提高解的质量.最后通过算例检验改进蚁群算法的优化效率,并为决策人提供5个充分满足其对不同目标要求的决策路径.     

危险货物道路运输风险复杂系统及风险测度模型与应用——以液氯运输为例

基于系统整体最优的危险货物道路运输风险系统分析及风险测度研究,是实现规避高风险路段的基础关键技术.本文以危险货物道路运输风险为研究对象,结合典型区域特征,进行了危险货物道路运输风险的系统分析,提出了危险货物道路运输风险复杂系统的概念.在此基础上,提出危险货物道路运输风险测度模型,并以典型危险货物液氯道路运输为例进行应用研究.在危险货物道路运输风险测度模型研究中,以泄漏事故导致的暴露人口风险损失和环境敏感区域损失两项指标作为评价对象,结合ALOHA模拟泄漏事故情景并将扩散情况载入ArcMap,分析泄漏事故所带来的价值损失.考虑运输成本,建立以系统整体最优--风险最小和运输成本最低的危险货物道路运输双目标规划模型.最后,基于实例结合蚁群算法对模型和方法的实用性和有效性进行验证.     

机器人空间路径规划的ACO算法特性分析

为进一步研究机器人的移动空间路径规划方法,分析蚁群算法的主要系数对路径规划的影响,根据蚁群优化算法的主要特点,对机器人的移动空间信息采用栅格法进行全局描述。对蚁群优化算法的主要系数如蚁群数量m和信息素蒸发系数ρ等进行选择,以路径长度和迭代次数为目标,仿真分析其对规划路径的长度和路径规划效率的影响,找到最佳匹配系数组。仿真结果表明:合理选择算法系数能够缩短机器人的移动空间路径规划长度,且能提高路径规划效率。     

海洋气象环境影响下的复杂水域船舶路径规划

为提高复杂水域船舶自动生成路径的安全性与经济性,将海洋气象环境因素考虑在内,以船舶避开障碍物为前提,设计了以航行时间最短为目标的路径规划算法.在建立环境模型的基础上采用改进MAKLINK图生成可行路径,根据矢量合成及拟合模型分析海流及风浪对船舶航速的影响,从而确定路径权值,通过Dijkstra算法进行初始路径规划,采用改进粒子群算法进一步优化及平滑初始路径.以一艘集装箱船通过规划海域为例验证算法的有效性,并对风向和风级进行了敏感性分析.结果表明:考虑海洋气象环境影响生成的路径既可安全避开障碍物,又可节省航行时间,改进粒子群算法在缩短路径航行时间的同时可提高路径的平滑性.     

船舶航速优化综述

从航速优化模型、油耗预测模型、航速优化模型求解方法与船舶能效管理系统方面, 分析了国内外航速优化研究现状, 探讨了航速优化存在的问题, 并针对这些问题提出了建议。研究结果表明: 在航运市场持续萎靡的情况下, 经济航行将被更广泛应用, 针对航速优化的研究仍然具有重要的意义; 在航速优化模型方面, 目前多集中在以碳排放政策、不确定因素的影响、排放控制区政策、船队调度等为单一优化目标建立航速优化模型, 优化目标主要为成本最小化和利润最大化, 未来应将航速与航线、纵倾、船队部署联合优化, 考虑多种不确定因素、多种优化目标建立航速优化模型; 在油耗预测模型方面, 预测模型主要分为白盒模型、黑盒模型和灰盒模型, 白盒模型具有更好的可解释性, 黑盒模型的预测性能更好, 灰盒模型弥补了白盒模型和黑盒模型的缺点, 将成为未来的研究重点, 未来应基于精确的船舶数据和先进的人工智能算法进行数据学习, 提升油耗预测模型预测准确性; 在优化算法方面, 由于航速优化模型的复杂性, 大多采用启发式算法进行优化求解, 这种算法可以减少优化求解时间和提高求解质量, 未来需要探索更加精确高效的求解算法; 在优化策略方面, 采用大数据分析可以识别天气对航行的影响, 动态优化策略可以补偿环境因素引起的扰动, 能够进一步提升船舶能效水平; 在船舶能效管理系统方面, 船舶能效管理系统主要包括航行数据采集、数据传输、数据储存、数据分析与智能决策等功能, 由于其成本高昂, 目前尚未在船舶上大规模运用。      

一种基于决策者风险偏好的危险品运输路径优化问题研究

在现实情况中,决策者风险偏好的差异性往往会对危险品运输路径优化产生影响。本文将决策者的风险偏好分为远期风险厌恶型、近期风险厌恶型和风险中性三种类型,将决策者风险偏好下的路径风险值、运营时间和运营成本的最小化作为危险品运输路径优化问题的目标函数,依此建立多目标决策模型。通过选择合适的加权开方乘方数将多目标决策模型中的目标函数转化为单目标函数,然后用标号算法求解最优折衷解,最后通过实例进行编程计算,验证了模型和算法的有效性。     

基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.     

多式联运运输方式选择的模型和算法

在对多式联运运输方式选择问题分析的基础上,运用图论技术构建基于多种运输方式的运输网络.综合考虑了运输成本、运输时效性和运输风险,建立了基于综合运输成本最小和运输风险最小的多目标综合优化模型.通过主要目标法,将模型进行转化.设计了基于克隆增扩的人工免疫算法对问题进行求解.最后通过算例验证了模型和算法的有效性.     

Research on a Task Planning Method for Multi-Ship Cooperative Driving

A new method for a cooperative multi-task allocation problem(CMTAP) is proposed in this paper,taking into account the multi-ship, multi-target, multi-task and multi-constraint characteristics in a multi-ship cooperative driving(MCD) system. On the basis of the general CMTAP model, an MCD task assignment model is established. Furthermore, a genetic ant colony hybrid algorithm(GACHA) is proposed for this model using constraints, including timing constraints, multi-ship collaboration constraints and ship capacity constraints. This algorithm uses a genetic algorithm(GA) based on a task sequence, while the crossover and mutation operators are based on similar tasks. In order to reduce the dependence of the GA on the initial population, an ant colony algorithm(ACA) is used to produce the initial population. In order to meet the environmental constraints of ship navigation, the results of the task allocation and path planning are combined to generate an MCD task planning scheme. The results of a simulated experiment using simulated data show that the proposed method can make the assignment more optimized on the basis of satisfying the task assignment constraints and the ship navigation environment constraints. Moreover, the experimental results using real data also indicate that the proposed method can find the optimal solution rapidly, and thus improve the task allocation efficiency.     

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.     

基于蚂蚁算法的物流配送路径的优化

随着物流行业的发展,物流配送成本成为人们关注的问题。为了进一步降低日益复杂的物流配送成本,文中将蚂蚁算法应用于物流配送的路径优化问题中,设计了求解物流配送路径优化问题的蚂蚁算法,并应用实例加以仿真计算,结果表明该算法对物流配送路径优化是实用和有效的。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

集装箱船舶支线运输航线优化算法

以枢纽港船舶限制时间和支线船舶容量为基础,分析了轴-辐式网络运输模式。以船舶最小总航行时间为目标函数,建立了混合整数规划支线集装箱运输模型。通过设计巡回路线方法实现杂交和变异,更新了解的构成,运用遗传算法求解模型。计算结果表明:当船舶容量为150 TEU时,在160次迭代后,总航行时间为708.6 h,航线数量为8条;当船舶容量分别为100、150 TEU时,在150次迭代后,总航行时间为714.6 h,航线数量为9条;对枢纽港船舶限制时间和支线船舶容量进行方差分析,F检验统计量的概率值均明显小于0.05;对支线船舶容量和运营成本进行敏感性分析,增大船舶容量能够减小航线数量和运行时间,但增大了运营成本,增大枢纽港船舶限制时间能够减小航线数量;考虑航行时间和运营成本,当船舶容量为150 TEU时最合理。     

一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。