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．     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

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。     

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。     

求解软硬时间窗共存配送路径问题的改进遗传算法

探讨用于求解软硬时间窗共存情况下的车辆路径问题的改进遗传算法。对基本遗传算法的交叉、变异操作的交叉概率和变异概率进行改进,使之更加具有自适应性,能根据种群染色体的优劣程度自动进行调整。通过算例证明改进的算法比原算法在计算软硬时间窗共存配送路径问题上更具有效性。     

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.     

带硬时间窗车辆路线问题的混合遗传启发式算法

为了提高物流配送效率,建立了集货和配送一体化的带硬时间窗的车辆路线问题的数学模型,提出了混合遗传启发式算法,并对模型进行了求解。采用改进节约法与随机法相结合的手段构造了初始解群体以增加解的多样性,对遗传算法中较优的一部分染色体进行了禁忌搜索以使搜索更容易跳出局部最优,同时加快搜索初期的搜索速度。仿真计算结果表明:混合遗传启发式算法具有更好的适应性,采用改进交叉算子使解的精度提高11.0%;在宽时间窗情形下采用倒位变异可使解的精度提高11.6%。     

有容量约束车辆路径问题的多目标遗传算法

针对有容量约束车辆路径问题,提出了基于Pareto方法的多目标优化遗传算法.该算法引入基于擂台法的Pareto锦标赛选择算子,避免了求解非凸解的困难.采用最邻近算法和扫描算法构造初始种群及引入启发式交叉算子来加快算法的收敛速度.通过E-n30-k3算例实验表明:应用该算法得到的Pareto解集,为决策者提供了多种途径有效解决有容量约束车辆路径问题.     

寻找车辆最优路径的混合算法

从可见度、信息浓度更新、参数对蚁群算法加以改进,可见度计算利用节约值及距离,使用较优的数个解完成信息浓度的更新,根据迭代次数的改变灵活设置的影响系数,然后引入交换法完成局部搜索,得到混合算法。用此法对物流配送车辆路径问题进行求解,寻找最优路径。该方法得到车辆数为5veh,配送路径总长为855．68km,优于遗传算法的求解结果,表明该方法可行。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

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.     

һ�ද̬����·������ģ�ͺ����׶��㷨

针对一类动态车辆路径问题,分析4种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12个大规模CVRP标准算例,设计并求解36个DVRP算例。求解结果表明了模型和两阶段算法的有效性。     

一类动态车辆路径问题模型和两阶段算法

针对一类动态车辆路径问题,分析4 种主要类型动态信息对传统车辆路径问题的本质影响,将动态车辆路径问题(Dynamic Vehicle Routing Problem, DVRP)转化为多个静态的多车型开放式车辆路径问题(The Fleet Size and Mixed Open Vehicle Routing Problem, FSMOVRP),并进一步转化为多个带能力约束车辆路径问题(Capacitated Vehicle Routing Problem, CVRP),基于CVRP模型建立了DVRP模型;然后,在分析DVRP 问题特点基础上,提出两阶段算法,第一阶段基于利用K-d trees 对配送区域进行分割的策略,提出了复杂度仅为O(nlogn)的快速构建型算法,第二阶段通过分析算法搜索解空间结构原理,设计混合局部搜索算法;最后,基于现有12 个大规模CVRP标准算例,设计并求解36个DVRP算例.求解结果表明了模型和两阶段算法的有效性.     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

�����г�ʱ��ɿ��Եij����Ż�����

行程时间的不确定性是影响货运车队路径选择的一个重要因素，特别是对于要求货物准时送达的配送任务（例如商品混凝土的配送），提出了在车辆调度中考虑由拥挤路段交通流量波动引起的行程时间不确定性的方法，建立了考虑行程时间可靠性要求的车辆优化调度数学模型，给出了相应的启发式算法，通过算例介绍了该模型和算法的应用。结果表明配送总成本随行程时间可靠性要求的提高而增加。     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

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。     

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.     

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.