确定车辆数的有时间窗车辆路径问题的遗传算法

给出了有时间窗车辆路径问题（vehicle routing problem with time window，VRPTW）的通用数学模型，通过引入新的CX交叉算子，能有效避免传统遗传算法“早熟收敛”的局限。特别是在确定车辆数时，实现了VRPTW的路径长度和车辆数的同时优化，改善了优化结果，提高了优化速度。实验结果表明，该方法明显减少了迭代次数。     

有时间窗约束的车辆路径问题的改进遗传算法

针对有时问窗约束的车辆路径问题，在标准遗传算法的基础上，将分组信息与每一个染色体结合，并辅之以λ-交换局部搜索技术，构造了一种改进遗传算法。该算法使得求解结果更接近最优解。实验表明，本算法是有效的。     

遗传算法在车辆调度问题中的应用

在消防、救护等场合经常需要以最短的时间到达目的地。章针对这类问题提出了一个调度算法来解决车辆派遣的问题，并在此基础上利用遗传算法给出车辆行驶的次优路径。给出了车辆调度相应的数学模型。     

一种改进遗传算法在物流配送车辆调度中的应用研究

物流配送是物流活动中一个重要的环节,因此有必要对物流配送车辆进行优化调度,合理规划车辆的行驶路线,实现运输成本最小。首先分析传统的遗传算法求解物流配送问题的不足之处,然后针对染色体中某些需求点编号可能重复出现的情况,设计新的染色体结构,并通过基因的混合交叉方法进行基因重组。通过实例可以看出,改进遗传算法的程序通用性更好,能有效提高搜索到最优配送路径的概率。     

改进混合遗传算法在车辆路线问题中的应用研究

物流配送车辆路线问题,是物流配送优化中不可缺少的环节.针对传统的遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合遗传算法进行优化求解.即采用二重结构编码,可以使问题变得更简洁,提高遗传法的搜索效率.用个体数量控制选择策略,以保证群体的多样性,用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优.结合具体实例,通过实验计算证明了该改进算法的良好性能.     

车辆路径问题Clarke-Wright算法的改进与实现

对车辆路径问题Clarke-Wright算法进行改进，增加体积约束条件以提高算法的适用性，用Java语言实现，并且应用于车辆调度系统。     

改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢，提出了一种改进自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，改善种群的分布特性，加强算法的全局收敛能力。应用概率模型的遗传算法对4个名的测试函数进行优化计算，实验结果表明：该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于改进遗传算法的最优路径求解

动态路径诱导系统(dynamic route guidance system,DRGS)是通过提供基于实时交通信息的最优路径来引导交通流的,因此,最优路径的求解是关键.而遗传算法具有全局寻优和潜在并行的特点,对求解最优路径具有一定优势.但采用序号编码方式进行遗传操作时会产生大量无效路径.文中结合城市道路交叉口左转、右转、直行等转向行为,设计了一种新的基于转向行为的编码方式,减少了染色体在交叉、变异时的无效路径的生成.算例表明,这种编码方式可以有效提高算法收敛性,更容易获得最优解.     

病毒进化遗传算法在动态路径规划中的运用研究

针对车辆导航的动态最优路径问题,设计一种病毒进化遗传算法,提出相应的编码方案和适应度的计算。通过运用改进A*最短路径算法解决遗传算法中初始种群的产生,同时在遗传算法中增加病毒感染操作,在同一代群体中进行横向传播进化信息。该算法不仅能够较快求出最优路径,而且对路网没有任何的约束条件,同时对离散和连续的动态网络模型有效。最后给出病毒进化遗传算法的试验仿真结果。     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.