一种多车场车辆路径问题的单亲遗传算法

提出了一种单亲遗传算法来求解多车场车辆路径问题（MDVRP）。在该算法中，对每个服务点按照其距离各个车场的远近归类到各个车场之中，通过构造染色体表达式，采用基因重组以及变异算子来进行常规遗传操作。在进化的同时，采用局部调整，使服务点在一定的范围内的不同车场中调换，保证其种群多样性，从而避免局部收敛，达到全局最优的效果。实验表明，本算法能有效解决一定规模的多车场车辆路径问题。     

基于改进型蚁群算法的车辆导航路径规划研究

在分析车辆路径规划问题(VLD)特点的基础上,提出了VLD的数学模型以及适用于求解VLD的蚁群算法。详细分析了蚁群算法的参数对算法收敛速度和计算结果精确度的影响,提出了一种能够提高算法的收敛速度和全局搜索能力的参数自适应调整的策略,并对原有基本蚁群算法进行了改进。随后进行了仿真试验,根据所得仿真结果将改进蚁群算法与基本蚁群算法从全局收敛能力、计算稳定性以及计算速度等方面进行了全面比较,结论表明改进蚁群算法各方面均优于基本蚁群算法,证明了改进算法的可行性及有效性。     

混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。     

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.     

多车型车辆路径问题的算法

总结目前求解多车型车辆路径问题的5种基于知识的算法,提出采用大旅程法和禁忌搜索法相结合的混合启发式算法,在搜索过程中通过增加惩罚因子的方法允许不可行解的存在,减少求解陷于局部优化的可能性。采用GENIUS算法处理其中的TSP问题,不仅能产生较好的解,而且通过对解的周期性的扰动,进一步减少求解陷于局部优化的可能性。     

具有同时配送和回收需求的车辆路径问题的混合遗传算法

介绍了具有同时配送和回收需求的车辆路径问题(VRPSDP),并对其进行了描述,建立了该问题的数学规划模型。结合2-opt法和等级替换策略等设计了求解VRPSDP的一种混合遗传算法,给出了该算法初始种群的两种生成规则———随机生成和构造初始种群,设计了相应的交叉和变异算子,并详细阐述了违反约束条件的处理方法。通过随机模拟试验以及与其他方法的对比分析表明:该算法可有效缩短车辆行驶距离,而构造初始种群则在一定条件下可显著提高混合遗传算法的收敛速度并改善其运行结果。     

基于时间依赖网络的车辆调度问题研究

针对城市道路交通存在的不确定性问题,提出将动态车辆调度问题置于时间依赖网络的思想,建立了包括车辆固定成本费用、路阻费用和违反时间窗约束费用在内的广义费用最小化数学模型,采用改进的蚁群算法进行优化求解。仿真实验表明,该方法充分利用了城市道路交通时变性所呈现的周期性特点,是运输与物流企业进行车辆调度时节约成本的有效方法。     

几种车辆路径算法的研究

文中针对VRP问题提出了多种算法,可概括为2大类:精确算法和启发式算法(传统启发式和现代启发式算法).文中据此总结了动态规划法、最近插值法、遗传算法和模拟退火算法的步骤及特点,并对这4种算法的优缺点及适用范围等进行了分析比较,提出了今后的发展和研究方向.     

几种车辆路径算法的研究

文中针对VRP问题提出了多种算法,可概括为2大类:精确算法和启发式算法(传统启发式和现代启发式算法)。文中据此总结了动态规划法、最近插值法、遗传算法和模拟退火算法的步骤及特点,并对这4种算法的优缺点及适用范围等进行了分析比较,提出了今后的发展和研究方向。     

一种纯电动环卫车辆上装取力控制方法

纯电动环卫车辆在变速器上集成取力器可为上装工作提供动力,其取力器的控制策略及方法相对于传统燃油车又有大的变化。该文介绍一种纯电动轻卡气压取力器的控制策略,包含取力器结合策略、停车取力策略、行车取力策略以及关闭取力策略,对于纯电动环卫车辆的取力控制具有一定的指导意义。     

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。     

车辆路径问题的模拟退火算法

在构造车辆路径问题(Vehicle Routing Problem,VRP)数学模型后,采用路径间调整和路径内优化方法,结合模拟退火算法策略对该问题进行求解。重点阐述了VRP模拟退火算法的设计思路,详细分析和编制了求解程序框图,并实现了计算机求解。仿真测试结果表明:采用模拟退火算法求解VRP效果显著,计算速度较快,与有关算法对比显示了较强的实用性和可操作性,为解决大规模VRP提供了一种有效算法。     

基于中心分拨模式的多车场集送货一体化车辆优化调度方法

基于中心分拨理论的运输模式被很多大型物流企业所采用。因此研究其优化调度方法以确定各发车城市及车辆行驶路径。针对该优化问题建立数学模型及其求解框架,并利用改进的节约法求解,对得到的结果采用2-opt搜索算法进行修正。通过计算实例,说明了数学模型和求解方案的有效性。     

智能车辆局部路径规划算法研究综述

为提高智能车辆行驶的平稳性和合理性,文章对近年来智能车辆常用的局部路径规划算法进行了分类和总结。首先对各类传统算法的原理进行了阐述,分析其优缺点,并指出传统算法在智能车辆上应用时的不足;其次整理分析了各类传统算法应用至智能车辆上时各学者所提出的改进算法;最后提出基于离散优化的算法是未来智能车辆局部路径规划的应用趋势,多算法融合是复杂场景下智能车辆局部路径规划的研究方向。文章的研究结果为智能车领域的研究人员在选择局部路径规划算法时提供参考。     

基于蚁群算法的路径规划改进方法研究

无人驾驶技术是近几年来研究的热点,其中路径规划技术则是无人驾驶技术研究中一个重要的内容。本文介绍基于经典蚁群算法的路径规划技术以及两大类改进方法,一类是基于经典蚁群算法的改进,另一类是与其它智能算法融合的改进。     

基于蚁群算法的军事配送车辆调度问题研究

针对军事配送的特点,以"等待损失"和运输成本最小化为目标,建立了问题的数学模型,并应用蚁群算法求解了这一问题.算法中改进了状态转移规则,设计了局部搜索模块.为测试算法性能,应用改进的蚁群算法求解了文献中的21个基准算例.计算结果表明,这一算法明显优于已有算法.     

可获知偶发拥堵持续时间的动态车辆路径问题

考虑真实交通路网,探讨了可获知偶发拥堵持续时间的动态车辆路径问题.在利用改进的Dijksta算法将路段行驶时间转化为客户点间最短行驶时间的基础上,根据常发拥堵信息,通过遗传算法安排车辆初始配送路径,根据实时获知的偶发拥堵因素影响下的路段行驶时间和其持续时间,以2-opt和insertion方法更新车辆配送路径,通过车载导航系统实时指导车辆行驶路线.数值试验表明,该方法可根据偶发拥堵信息更新车辆配送路线,以避开偶发拥堵影响路段,缩短总配送时间0.65~13.18 min;获知偶发拥堵持续时间帮助多节省了配送时间 -0.16~4.17 min.节省的时间随偶发拥堵因素对路网影响的加剧而更显著.     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中。同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,设计了启发式算法来求解该模型,其中模拟退火算法确定需求拆分下的车辆配送路径,且在当前最优解判断时调用BLF算法检验物品的二维装箱约束,来减少频繁调用BLF算法的时间。数值案例验证了模型和算法的实用性,且所提出的算法的求解结果波动不大于0.8%,能在合理的时间范围内求解得到较好的配送方案,在车辆限行区域内采用双车型配送能节省15.17%~31.27%的总配送成本。     

特种车辆分动器取力全速控制技术研究

本文对分动器取力控制技术进行研究,并介绍取力器全速控制实现方法,通过分析取力器实际使用需求,对车辆发动机、变速器和分动器进行综合控制。与传统控制方式相比,该方案从发动机运行效能出发,采用3种动力模式,并优化变速器换挡策略,在满足取力需求、简化操作方式的情况下,使发动机工作在最高效的转速区间,以达到输出扭矩最优和节油降噪的目的。     

基于免疫单克隆算法的车辆路径优化

车辆路径问题(VRP)是物流管理研究的一项重要内容,在提高服务质量和降低成本方面起着关键作用.给出了车辆路径优化问题数学模型,介绍了免疫单克隆算法的基本原理,提出了免疫单克隆算法求解VRP的基本流程.算例计算结果表明,通过引入亲合度成熟、克隆和记忆机理,利用相应的算子,免疫单克隆算法可以快速地收敛到全局最优解,效果良好.