带时间窗车辆路径问题的启发式遗传算法

为了在运输生产中按时间要求合理安排车辆路径, 建立了带时间窗车辆路径问题数学模型, 用启发式遗传算法进行求解。先构造染色体, 产生初始群, 再对其进行优化, 根据个体生存能力的体现进行性能估计, 并计算优化值。运用VisualBasic编写相应计算程序, 设定迭代代数为100, 运算次数为10次, 对有时间窗限制的有1个中心仓库与8个分仓库的实际问题进行求解。模拟结果显示需要3辆车按照3条运输线路进行物流配送服务, 总运行距离为483km, 总运行时间为15.55h, 车辆未出现闲置时间, 且全部仓库得到及时服务。可见启发式遗传算法有效、可行。     

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．     

带软时间窗车辆路径问题及禁忌搜索算法

考虑不同容量和运输成本的多车型车辆,建立容量限制和软时间约束,并以最小化车辆在路段上的运输量和该路段的长度乘积为目标的数学模型,给出求解该问题的禁忌搜索算法。在算法中考虑使用车辆最少的插入算法生成初始解。最后,通过仿真算例,检验模型和算法的有效性。     

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182 km。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。     

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。     

带时间窗的动态车辆路径问题的局部搜索算法

为有效求解带时间窗的动态车辆路径问题, 建立了该问题的数学模型, 通过计划周期分片, 将动态问题转换为一系列的静态子问题, 采用插入法构造初始解, 并将重定位法、节点交换法和2-opt*法3种线路间局部搜索方法, 以及2-opt法和Or-opt法2种线路内局部搜索方法的不同组合应用于初始解的改进, 分析了客户出现时间、地理位置分布与不同客户时间窗范围对线路选择的影响, 比较了标准算例的求解结果。结果表明: 在线路间进行局部搜索时, 重定位法的效果最好, 2-opt*法次之, 节点交换法的最差; 在线路内进行局部搜索时, 2-opt法优于Or-opt法; 当客户请求出现时间越早, 客户比较集中, 客户时间窗较宽的情况下, 使用的车辆数量较少, 整个线路的行驶距离较短, 客户延迟时间也较短。     

带硬时间窗的航空路径规划模型

针对物流快递行业,以牺牲部分成本来完全满足快递时效的要求,建立了基于硬时间窗的航空路径规划模型,采用并行遗传算法进行了求解.同时建立了相应的软时间窗模型,通过构造满意度函数,与硬时间窗的结果进行了对比分析,算例结果表明硬时间窗的规划路线虽然成本较高,但是更注重时效性的客户的满意度也高,这种规划方法更适于中端物流企业的特点与要求.     

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.     

带软时间窗的集货与送货多车辆路径问题节约算法

研究了物流配送中多车运输的集货与送货车辆路径规划问题, 以增加时间惩罚费用的方式插入软时间窗约束, 将租车费用、货车运输费用和时间惩罚费用三者之和最小作为优化目标, 建立数学模型。采用启发式节约算法求解该模型, 考虑时间惩罚费用和运输费用, 比较每一配送节点上直接送货和间接送货的节约费用关系, 求出最优配送路径。试验结果表明: 当配送次数达到50次时, 货车平均装载率仍能达到80%以上, 该节约算法能减少货车空程行驶和租车次数, 优化了全局费用。     

�������·�������ģ�ͼ����㷨

在物流活动的商品配送运输中，由于受不确定因素的干扰，对配送车辆调度的适时性造成了很大影响，从而增加了配送成本和降低了配送的服务质量。本文考虑客户对配送时间的要求和车辆行驶时间的不确定性，建立了以车辆配送总行驶距离最小化为目标的机会约束规划模型，并构造了求解该模型的单亲遗传算法，通过实例对模型求解，结果表明，该算法是很有效的。     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

有时间窗车辆路径问题的混合算法

提出了一种基于模拟退火算法（SA）和大规模邻域搜索（LNS）的混合算法,并采用PFIH算法构造较高质量的初始解,同时给出了一种调整客户时间窗的回归迭代策略,从而计算出每辆车的最佳出发时间,并证明这种策略可使每辆车的等待时间均为零。从试验结果可以看出,该算法用于求解VRPTW问题效果显著,计算速度较快;与其他算法相比,显示了其较强的实用性和可操作性,为解决VRPTW提供了一种有效的算法。     

车辆数目未知的带时间窗口的车辆路径混合遗传算法

研究带时间窗口的车辆路径问题(VRPTW),主要考虑车辆容量约束、时间窗口约束、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.用基于邻域搜索的混合遗传算法求解该问题,该算法既具有遗传算法的全局搜索能力,又具有邻域搜索算法的局部搜索能力.在求解过程中,设计新的前置交叉算子进行遗传操作,然后进行互换和逆转等邻域操作.应用MATLAB语言编程进行模拟计算,结果表明该混合遗传算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了早熟收敛问题.     

带时间窗的多行程交换箱甩挂路径优化

针对市区-近郊的同城物流配送系统,为尽可能降低物流运输成本的同时提高客户满意度,研究带时间窗的具有多行程的交换箱甩挂运输问题. 在配送系统中,配送车辆从配送中心出发将货物运往各个客户点,由于道路条件的限制,客户点分为只允许小型卡车配送的限制点客户和卡车或带交换箱拖车的整车都可为其配送的灵活点客户. 在客户时间窗和多行程的约束条件下,建立以成本最小为优化目标的基于交换箱甩挂的路径优化模型,提出装箱算法与遗传算法混合的启发式求解算法. 算例验证了所提出算法的有效性,为带交换箱的甩挂车进行物流配送提供一定的决策指导和参考意见.     

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.     

一种基于时空距离的带时间窗车辆路径问题算法

带时间窗的车辆路径问题是典型的NP难题,一种常用的求解方法是先对顾客分组,后进行路径优化的两阶段启发式算法. 传统算法在顾客分组时主要考虑顾客的空间位置关系,但是忽略了顾客对服务时间窗口的要求. 本文同时考虑顾客的时间和空间特性,提出了一种基于时空度量的顾客分组方法. 在路径优化阶段,本文提出了一种禁忌搜索算法来进行求解,该算法中禁忌的对象不是解,而是这些解的目标函数值的区间,以便于提高收敛效率. 作为验证,本文以Solomon标杆问题集为算例进行演算,结果表明,在窄时间窗约束下,基于时空距离的两阶段启发式算法明显优于基于空间距离的算法,且部分算例的解达到了国内外已发表的最好解.