带时间窗的车辆路径混合遗传算法

基于标准遗传算法，将每一个染色体与分组信息相结合，使染色体结构包含有更多信息，辅以λ-交换局部搜索技术，构造了一种新的混合遗传算法，对带时间窗约束的车辆路径问题进行了求解，并与标准遗传算法的求解结果进行了对比研究，发现使用混合遗传算法，总行驶里程为162km，而使用标准遗传算法，总行驶里程为182km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解，所需的行驶里程缩短，有效降低运输企业的车辆运行成本。     

约束优化问题的多参量遗传算法

约束优化问题的传统求解方法是拉格朗日乘子法，函数的可导性和多峰性常常成为求解过程中的难题。遗传算法的并行搜索为这类问题的求解提供了一种新的途径。为了提高计算效率，有学者提出用两级遗传算法分别解决拉格朗日乘子入及优化参数的求解问题。用多参量遗传算法可以同时解决两级优化的遗传算法，把分级优化的参数同时编码，就把两级优化转化为一级优化。经试验该算法虽不能使优化算法的计算时间大大降低，却可以使程序设计工作相对简化，同时使遗传算法程序更具通用性。     

基于大数据平台下的物流配送车辆路径问题研究

利用大数据平台对多源大量数据进行实时计算处理的优势,考虑具有载重限制、运输路径限制且带时间窗限制的路网中物流配送车辆路径问题,建立以配送时间最短和配送成本最低为目标的数学模型.构建大数据下的多源信息分析处理平台构架图以获取实时交通信息,根据实时路况环境,对配送车辆的路径进行优化.通过利用大数据平台Hadoop中的MapReduce编程模型进行遗传算法并行化设计并求解.结果表明:利用大数据平台进行遗传算法并行化设计能有效求解多目标配送车辆路径问题,创新性地对车辆路径问题进行研究,具有解决实际问题的积极意义.     

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.     

���ڻ���Ŵ��㷨�ij���·������

在详细分析遗传算法的局限性的基础上，构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法。这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间，可以有效地避免遗传算法易出现“早熟”收敛的问题。然后，分别用混合遗传算法和遗传算法对同一实例进行求解，并对求解结果进行对比分析。结果表明该混合遗传算法的求解结果比遗传算法收敛速度快，更加接近最优解。     

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。     

重装备牵引车配套集装箱半挂车调度研究

基于多目标优化方法,研究重装备牵引车集装箱运输调度问题;在甩挂运输的运输组织方式下,建立了带时间窗的重装备牵引车调度模型,并设计了改进的遗传算法对模型进行求解;最后在算例中验证了改进后遗传算法求解重装备牵引车集装箱运输调度模型的有效性与实效性,为各级运输管理部门制定车辆调度方案提供参考。     

带时间窗的随机需求车辆路线问题的模型研究

车辆路线问题是考虑在车队为一些有需求的顾客运送货物时如何安排行驶路线，从而使服务效率达到最高，在原有车辆路线问题的基础上，着重考虑车辆路线问题中顾客需求的随机性及顾客接受服务的时间窗约束，运用机会约束规划的方法，建立了新的随机模型，并用遗传算法进行启发式求解，得到了良好的数值解，为车辆路线问题的进一步研究提供了参考．     

基于改进遗传算法的车辆路径问题

为了研究物流中心的服务效率和车辆的合理调度方案,以汽车载重量作为影响车辆路线安 排的主要因素,以经典的车载容量约束条件下的车辆路径问题为原型建立数学模型,通过求解该 数学模型的最优解来获得车辆最优路径。由初始状态随机生成的可行解作为初始的车辆路径方 案,通过改进的遗传算法不断地调整染色体的交叉和变异概率进行优化,最终得到物流中心车辆 安排的合理方案。通过多次求解算例,都能够得到满意的车辆路径方案,不仅验证了该数学模型 的有效性和实践性,而且也验证了改进后遗传算法的收敛性和鲁棒性,同时得到了改进遗传算法 交叉和变异概率的调整范围。该模型和算法不仅可以提高物流中心的服务效率,而且可以为物流 中心的车辆调度方案提供支持和帮助。     

确定Logistic映射倍周期分叉点的遗传算法

以虫口模型——Logistic映射动力系统的倍周期分叉问题为例，提出了基于遗传算法的精确计算混沌动力系统分叉点的新方法．根据动力系统在分叉点的动力学特性，研究了遗传算法求解倍周期分叉点的模型．通过数值仿真，获得了较为精确的倍周期分叉点．倍周期分叉是通向混沌的快速途径．     

遗传算法在目标规划中的应用

利用遗传算法用于项目群优化数学模型进行了新研究，提出了多目标遗传算法。计算结果说明遗传算法是求解多目标问题的有效方法。     

���������ij������������ģ�����㷨�о�

在对多配送中心车辆调度问题进行直观描述的基础上，建立了该问题的数学模型。提出了采用距离最近分配法将多配送中心车辆调度问题分解为多个单配送中心车辆调度问题进行求解的策略．基于求解单配送中心车辆调度问题的禁忌搜索算法，设计了求解多配送中心车辆调度问题的算法，并进行了实验计算．计算结果表明，用本文设计的算法求解多配送中心车辆调度问题，不仅可以取得很好的计算结果，而且算法的计算效率较高，收敛速度较快，计算结果也较稳定．     

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.     

构架式转向架货车参数及动力学性能研究

以多刚体系统动力学原理为基础，建立了具有利诺尔减振器的构架式转向架的非线性数学模型，并以罐车为例，研究了转向架关键参数对车辆系统的运动稳定性、曲线通过性能及运行平稳性的影响．计算结果表明：转向架参数的优选和合理匹配极大地影响着车辆的动力学性能．为使车辆系统具有较高的蛇行失稳临界速度，在满足曲线通过性能的条件下，可以适当提高轴箱弹簧刚度和旁承摩擦力矩，并尽量降低旁承的纵向间隙．     

基于共同配送的农村快递车辆调度问题

为降低农村物流成本,助力"快递下乡"工程的实施,在考虑重量、体积、订单、路径等约束条件下,以总利润最大化为目标构建基于共同配送模式的农村快递车辆调度模型;并提出采用基于随机修复非可行解策略的遗传算法求解该模型,同时在算法中引入多种群机制以提高求解的效率和效果。最后,结合实际算例对模型进行验证;设计不同订单规模的仿真算例对算法性能进行分析。研究结果表明:共同配送策略能从全局优化的角度合理配置区域内物流资源,与独立配送模式相比可降低30%的配送成本。仿真实验表明:相较于标准遗传算法,改进遗传算法能快速地搜索到更优的满意解,可以有效求解共同配送模式下的农村快递车辆调度问题。     

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.     

电子商务条件下城市物流协同配送车辆路径问题研究

电子商务环境下的协同配送具有客户位置分散、订单多、批量小和重复线路多的特点,通过对当前电子商务条件下的城市协同配送车辆路径问题进行研究,构建了多中心协同配送车辆路径问题的优化模型,并运用自适应遗传算法求解.通过具体实例验证,研究方法较好地提高了配送中心之间的协同工作效率、降低了物流配送成本.     

动态行驶时间取送一体化车辆路径问题

为优化真实路网下的车辆配送路径,采用优化 + 调整的两阶段求解方法. 在优化阶段,根据常发拥堵信息,采用遗传算法求解时变取送一体化车辆路径,安排车辆初始配送路径. 在调整阶段,以路段行驶时间为时间间隔,采用滚动更新策略调整车辆配送路线躲避偶发拥堵. 在针对车辆路径调整问题构建了一系列混合整数规划模型的基础上,设计了2-opt + insertion启发式算法求解模型,并结合Dijkstra算法求解到的客户点间最短行驶路线,将车辆配送路径转化成了真实路网中的车辆配送路线. 数值实验测试结果表明:滚动更新策略中,以路段行驶时间为时间间隔比以客户间行驶时间为时间间隔减少车辆行驶时间0.24～11.95 min;以路段行驶时间为时间间隔比以24 min为时间间隔减少车辆行驶时间0.08～8.06 min,比以6 min为时间间隔减少更新次数10.02～34.59次,因此,固定时间滚动更新策略中的最优时间间隔难以确定,其实用性较差. 2-opt + insertion启发式算法求解速度是遗传算法的4倍.      

多车型多行程需求可拆分的应急疏散车辆调度

为解决应急疏散车辆紧缺条件下的多批次车辆调度问题,使受灾人员被迅速地疏散至避难所,在考虑应急车辆容量差异的基础上,构建了多目标的多行程、多时间窗、需求可拆分的应急疏散车辆调度模型.通过引入虚拟站点的方式,简化了延误损失计算过程,并总结了数学模型最优解的特征.结合最优解的特征设计了改进的遗传算法对模型求解,并进行了算例分析.结果表明:所提出的算法能够有效对数学模型进行求解且具有良好稳定性,能够为应急车辆的多批次调度问题提供一定的决策指导和参考.     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题，结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络，建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题（location-inventory-routing?problem，LIRP）集成规划模型. 利用线性加权法将其转化为单目标规划模型，提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型，第1阶段用遗传算法求解选址-库存问题，第2阶段用节约里程算法求解车辆路径规划问题. 并结合某连锁超市实例，对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化，优化后的系统方案比原文献的总里程减少了3 606.9 km，系统总成本减小了6 526.2 元，缺货成本降低了124.6 元，只有19.7元，验证了模型和算法的有效性.