随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

多车场车辆优化调度模型及算法

针对多车场满载运输问题的特征,提出了多车场车辆优化调度的数学模型,设计了求解该问题的启发式算法,应用结果表明,该算法是可行的。     

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

基于多目标优化的智能车辆换道轨迹规划

为提高智能车辆换道轨迹规划的拟人性和实时性,提出了安全、舒适、节能等多目标协同优化的换道轨迹规划算法,该轨迹规划方法的适应性取决于车辆换道时间、纵横向速度及加速度等关键变量的约束条件;基于车辆运动学和动力学理论,分析了动态未知环境下车辆换道安全区域,建立了六次多项式车辆理想换道轨迹模型,并运用遗传算法-BP神经网络理论对换道终止时刻及目标位置进行预测,得到了复杂场景下车辆换道轨迹簇;分析了基于可行解空间的车辆换道安全性、舒适性、经济性等性能评价函数,构建了多性能目标协同优化目标函数和约束条件,运用鲸鱼优化算法对换道轨迹簇进行优化,实现多性能目标协同的智能车辆换道轨迹最优规划;为进一步验证多目标优化轨迹规划算法的准确性,运用L3级智能车辆测试平台对结构化道路场景下多目标优化换道轨迹规划算法进行了试验验证。仿真和试验结果表明：提出的轨迹规划算法在满足各项约束的情况下可成功实现平稳、安全换道,并且与传统驾驶人换道相比,换道过程的安全性、舒适性及多目标综合性能分别提升了5.1%、3.3%和1.7%,有效提升了动态环境下智能车辆换道轨迹规划的拟人性。     

基于改进遗传算法的铁路三维空间线路智能优化方法研究

归纳和总结了铁路线路智能优化与三维空间信息之间的内在联系,基于OSG技术对空间信息数据进行高效组织,加工处理与信息输出为一体,建立了三维空间信息模型,为铁路三维空间线路智能搜索提供可视化地理信息环境。以平面交点坐标、交点半径、纵面变坡点里程、变坡点高程为设计变量,充分考虑了空间线路平面约束、纵断面约束、平纵组合约束和环境影响约束条件,深入分析铁路三维空间线路优化费用目标函数,建立了铁路三维空间线路综合优化数学模型。采用浮点编码方式,以交点偏移距、交点曲线半径、链式变坡点高程为基因序列,针对多约束条件构成的优化空间进行深入的研究,生成线路方案群;基于多目标排序矩阵方式对每代中线路方案进行适用度计算,设计了选择、交叉和变异三类遗传算子,逐代遗传进化,实现了线路方案向最优线路方案群自动搜索,完成了铁路三维空间线路智能寻优过程。以本文提出的理论与方法为基础,基于vs.net、OSG、数据库等技术实现了铁路三维空间智能选线系统的开发,结合实际工程对本文的理论模型与算法进行了验证和评价。     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

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.     

面向多目标站的灵活型公交路径优化调度模型

在已知乘客需求量、车辆载客容量和站点间行程时间的条件下,将车辆的运行时间和乘客出行时间最小化作为目标,构建面向多目标站的灵活型公交路径优化调度模型. 该模型采用引力模型进行车辆路径初始化,采用启发式算法对车辆路径进行最优化求解. 根据仿真案例结果发现,在乘客需求分布存在较大差异和不确定性时,模型仍能满足所有乘客需求,且车辆总行程耗时较为稳定,系统进行路径优化计算耗时较小,验证了模型及算法的实用性. 研究结果表明,面向多目标站的灵活型公交路径优化调度模型能够最大程度满足乘客需求,并在企业成本、乘客时间成本与需求响应方面达到最大平衡,在实际交通中具有重要意义.     

铁路车流径路优化算法的研究

建立了一种求解车流径路的启发式算法，目标函数是消耗的总车辆公里数最小，约束条件为区段能力和车流共同径路，以现行铁道部使用的“全国铁路环状径路图”为基本路网结构，点间车流和区段能力亦以现行运营的实际数据为依据，进行了车流径路计算。     

通勤班车出行线路优化研究

基于通勤班车出行者意向调查与分析,掌握班车出行行为特性,建立了基于ML模型的班车出行前端衔接方式选择模型,确定前端衔接时间.并以满足最大出行需求、线路总体通行时间最短的路径寻优双重目标,建立了班车线路优化模型,并通过启发式算法进行求解.研究结果表明,约占78.1%的班车出行者前端衔接时间占总出行时间的比例在0.2～0.5;85%以上的班车出行者希望(容忍)最早出发时间不早于实际出发时间,通过实例验证可通过通勤班车线路的优化设置来提高公共交通出行.     

时变条件下城市物流配送车辆路径优化

针对城市交通网络依时周期性变化的特点,建立了城市物流配送车辆路径优化问题的数学模型,并利用两阶段算法对该问题进行求解,第一阶段采用插入法,求解出初始路径;第二阶段通过减少路径数和邻域搜索改进初始配送路径。最后,给出一个应用算例,结果证明了模型和算法的有效性。     

多区域通勤定制公交线路规划模型及求解算法

“定制公交”作为一种基于需求响应的公交服务模式,被认为能够有效吸引城市居民转向公共交通出行.通勤类型作为定制公交服务中的一种重要形式,其线路设计问题具有现实意义.首先,本文在已有理论的基础上,构建了多区域运营模式的通勤定制公交线路规划模型,该模型以最小化乘客出行成本、车辆运营成本为优化目标.其次,为求解模型,设计了一个两阶段启发式算法以获得多目标优化模型的Pareto解.最后,通过几组算例对模型进行了验证.结果表明,本文所提出的方法可根据优化目标提供多种线路方案集,丰富了定制公交的运营模式,为定制公交的线路规划提供了依据.     

改进的粒子群算法在VRP中的应用

提出一种新的求解VRP问题的粒子群算法,该算法通过引入随机交换序、PMX算子使粒子群算法能更好地求解VRP问题。经过实例验证,该算法是解决VRP问题的有效算法。     

A Hybrid TCNN Optimization Approach for the Capacity Vehicle Routing Problem

Introduction The vehicle routing problem(VRP)is one ofthe well-known NP-hard optimization problems[1]occurring in many transport logistics and distribu-tion systems of considerable economic significance.The capacity vehicle routing problem(CVRP)likeVRP with the additional constraint that every vehi-cle must have a capacity,so it is also an NP-hardoptimization problems.It involves minimizing costvehicle schedules for a fleet of vehicles originatingand terminating from a central depot.The …     

公交站场选址布局优化模型和算法

现有研究没有将公交站场选址和线路车辆停放调度作为一个整体,无法发挥整个公交系统的最大效率.针对此缺陷,根据不同线路的首末站在时间和空间上的停车需求不平衡性,综合考虑车场能力、建设成本和最大里程等现实因素,以极小化所有公交车的行驶里程为目标,建立一种公交站场选址布局优化模型,确定站场的最佳位置和泊位数,将各线路的所有车辆安排至相应站场.根据问题特征,设计求解该问题的两阶段启发式算法,给出了具体求解流程,并分析其计算复杂性.最后,结合一个算例,计算最佳的公交站场选址方案,分析参数灵敏性对其布局的影响程度,从而验证模型和算法的有效性.     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿,因此,本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型,通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案,其创新之处在于,在服务过程中允许乘客提交实时出行需求;定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解,该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力,通过算例测试分析对本文算法的有效性及先进性进行验证。最后,基于西安市延平门地铁站设计数值实验,结果表明,考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

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.     

考虑多路径选择的定制电动公交线路优化

为提高定制电动公交系统运营效率,本文探讨了考虑多路径选择的定制电动公交线路优化问题.首先,构建描述该问题的混合整数规划模型,以实现线路与路径的双重决策优化.模型以运营总收益最大化为目标,在约束中考虑定制电动公交特性,如车容量,乘客出行时间窗,续航里程,访问站点数等.其次,为求解模型,设计新的自适应大邻域搜索算法,提出相...