碳税机制下的生鲜农产品冷链配送路径优化研究

针对冷链配送过程产生大量碳排放的问题,提出了碳税机制下的生鲜农产品冷链配送路径优化方法.首先以碳排放成本和综合成本最小为目标,引入碳税机制定量分析,考虑需求量、需求时间和卸货时间约束,建立了该问题的数学模型;然后提出了一种改进的量子蚁群算法,利用蚁群算法信息更新策略保持群体记忆性,利用碳税成本作为改进算法的决策变量,提...     

基于改进蚁群算法的医药冷链物流运输路径优化

为解决大多数模型中制冷成本未考虑预冷参数而导致总成本求解精度不佳的问题,在制冷成本中加入预冷参数,得到新的总成本模型。基于遗传算法与IACO算法,提出了IGACO算法,此算法改进了传统蚁群算法的启发式因子与信息素更新方式,在此基础上加入交叉操作和变异因子,扩大算法搜索范围,进一步避免陷入局部最优的情况。经过试验对比分析,验证了IGACO算法所得出的最优路线、总成本、运行时间、收敛速度在一定程度上都优于其他算法。     

冷链物流多式联运路径选择优化研究

为降低冷链食品（CCF）在运输过程中的总成本,提高客户满意度,采用多式联运对冷链食品进行物流配送。先基于多式联运网络、总成本最小化和客户满意度最大化,构建路径选择模型;再采用改进粒子群优化算法（IPSO）对模型进行求解;最后,利用实际案例进行模型验证和敏感性分析。研究结果表明：与公路单式联运相比,多式联运的运输成本降低了13.4%,总成本降低了2.4%,时间满意度提高了3.3%,总满意度提高了0.6%。通过提升铁路运输速度,可有效地降低运输总成本,提高客户满意度。     

基于蚁群算法的应急物流动态网络鲁棒优化

考虑应急物流网络的时间依赖性及所处环境的复杂性,将动态网络理论与鲁棒离散优化理论相结合,建立具有鲁棒特性的动态网络优化模型,在此基础上,结合蚁群算法基本理论,将算法中的启发因子加以改进,使之与优化模型相适应,并利用改进后的蚁群算法在全路中寻求一条时效性高、鲁棒性好的路径以供应急物资运输。最后,举例验证研究所提出的优化理论及改进算法的合理性。     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

生鲜农产品冷链物流配送中心选址-路径规划

为保证生鲜农产品在配送过程中的新鲜度,提出生鲜农产品冷链物流配送中心选址-路径规划建模与求解方法,旨在降低综合成本与优化配送路径。根据生鲜农产品不易储存、易腐烂的特点,提出将“高铁+冷链物流”作为一种模式应用于生鲜农产品运输中,以高铁货运容量为市场需求量,构建总成本最低和路径最优的生鲜农产品冷链物流配送中心选址-路径规划模型,分别应用普通遗传算法和改进遗传算法对模型进行求解;最后,通过重庆市实例验证模型和改进算法的有效性。计算结果表明：改进后的遗传算法求解结果要比普通遗传算法求解结果的成本节约1 204.29元·d^-1,降低6个百分点,迭代次数减少近200次。     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

混合蚁群算法求解物流配送路径问题

蚁群算法具有较强的发现较好解的能力，但同时也存在一些缺点，如容易出现停滞现象、收敛速度慢等．将遗传算法和蚁群算法结合起来，在蚁群算法的每一次迭代中，根据信息量选择解分量的初值，使用变异操作来确定解的值．通过实例与其他优化方法的结果进行比较．结果表明，该算法有较好的收敛速度及稳定性．     

带回程取货的逆向物流车辆路径建模及其蚁群算法

对逆向物流车辆路径问题进行了概述和分类,构建了以VRPPDTW为基础的带回程取货的逆向物流车辆路径数学模型,设计了求解该模型的最大-最小蚁群算法,对设计要素进行了详细介绍,包括初始蚁群分布,状态转移策略,以及信息素更新策略等,并给出了具体的算法步骤. 最后,以Solomon中的R101、R102、R103、R104和R105等5项示例为背景,分别取前25节点和50节点,以取货点的取货量比例分别占全部客户节点需求量的10％、30％、50％取货,得到30个算例的计算结果,并将其与Tangian和模拟退火等计算结果进行了比较,结果表明最大-最小蚁群算法在某种程度上优于其他算法     

基于混沌蚁群算法的最短路径选择研究

如何解决最短路径选择问题一直是城市交通流诱导系统的关键之一.基于群体仿生理论的蚁群算法是解决此问题的一种方法,针对采用蚁群算法进行最短路径选择时易出现的陷入局部最优解问题,引入混沌理论,采用混沌蚁群算法利用混沌初始化进行改善个体质量和利用混沌扰动避免在蚁群算法搜索过程中陷入局部极值,同时降低了蚁群算法的时间复杂度,从而更好的解决了最短路径选择问题.     

基于随机需求的冷链物流路径优化问题研究

依据冷链物流配送基础理论,考虑顾客满意度、三级货物损失以及制冷时长等因素,构建基于随机需求且带有软时间窗的最小配送成本函数模型,建立由惩罚成本、货损成本、制冷成本、缺货成本、运输成本及固定成本组成的六种复合目标函数。利用改进适应度函数、选择方式和交叉变异概率的遗传算法求解,以某肉类生鲜企业为例,通过MATLAB软件进行数据分析及仿真模拟,验证模型和算法的科学性及有效性。     

配送网络规划蚁群算法

分析了配送网络规划复杂的非线性组合优化问题, 以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数, 建立了配送网络规划的数学模型, 设计了相应的蚁群算法。应用结果表明该算法的计算结果与实际的配送网络规划线路相符, 是可行的。     

基于模拟退火算法的物流配送路径优化问题分析

模拟退火算法是解决NP完全组合优化问题的有效近似算法,将该算法应用于路径优化问题中,利用该算法对类似货郎担问题的路径问题进行求解。针对城市道路行走不同的目标条件（路径最短、时问最短）进行优化,选择最佳行走路径,并用该算法优化得到的计算结果,结果表明该算法在解类似货郎担交通路径方面问题时具有较高的精确性。因而,该算法在解决城市道路交通问题方面具有一定的实用价值。     

Ant colony optimization for feature selection in software product lines

Software product lines （SPLs） are important software engineering techniques for creating a collection of similar software systems. Software products can be derived from SPLs quickly. The process of software product derivation can be modeled as feature selection optimization with resource constraints, which is a non- deterministic polynomial-time hard （NP-hard） problem. In this paper, we present an approach that using ant colony optimization to get an approximation solution of the problem in polynomial time. We evaluate our approach by comparing it to two important approximation techniques. One is filtered Cartesian flattening and modified heuristic （FCF＋M-HEU） algorithm, the other is genetic algorithm for optimized feature selection （GAFES）. The experimental results show that our approach performs 6% worse than FCF＋M-HEU with reducing much running time. Meanwhile, it performs 10% better than GAFES with taking more time.     

带时间窗车辆调度问题的蚁群算法

为求解带时间窗约束的配送中心车辆调度问题, 运用蚁群算法把时间窗约束转化为惩罚函数形式, 将其并入目标函数后, 建立了满足客户配送时间要求条件下的运输费用最低的车辆调度模型, 提出了模型的求解程序, 并以某算例进行了仿真分析。分析结果表明: 该模型通过参数的不同标定, 可以转化成旅行商模型、硬时间窗或软时间窗的车辆调度模型; 仿真算例中, 配送路线最优行驶距离为794 km, 车辆最长行驶时间为8.2 h, 该算法能有效求解配送中心车辆调度问题。     

共享单车调度路径优化研究

当前共享单车停放点经常出现供需时空失衡现象,无法满足市民的出行需求,因此,单车投放机构需要进行调度以平衡城市各共享单车投放点的供应量.为保证共享单车的调度效率,需要选择合理的调度路径,针对共享单车的调度路径优化问题开展研究:以调度车辆最少和调度成本最低为目标,构建多车场有时间窗要求的共享单车调度路径优化模型;基于禁忌搜索算法,设计模型的求解算法;以某城市大区内的摩拜单车系统为例进行案例分析.结果表明:利用此模型和算法能有效减少调度成本,提高共享单车的调度效率.     

公交出行路径蚂蚁算法

结合公交乘客出行的特点,基于Dijkstra算法站点查询的出行路径选择方法,提出了基于蚂蚁算法的具有最少换乘次数的公交出行路径查询算法.算法利用了蚂蚁寻食出行路径选择的行为特点,通过线路激素强度的更新机制,实现了以换乘次数最少和公交出行站点最少的公交出行路径选择优化目标.算法实际查询结果与实际相符.     

基于粒子群算法的投影寻踪分类模型研究

投影寻踪分类模型将高维分析问题的数据投影到最佳投影方向上,将其转化为一维问题进行分析研究,其实质是一种降维处理技术,以达到在低维空间分析高维非线性数据的目的．寻找最佳投影方向是一个优化搜索过程,PSO算法可以有效地应用于投影寻踪分类模型中最佳投影方向的搜索．用最佳投影方向计算样本数据的最佳投影值,根据K-均值聚类算法对投影值进行聚类,获取聚类结果．     

基于人工势场算法的改航路径规划

在恶劣天气或流量受限条件下, 建立了基于人工势场算法的改航路径规划模型。考虑空中交通管制程序和飞行性能等约束条件, 采用线性拟合的方法对初始改航航路径进行分段拟合, 消除振荡点和误差较大的离散点; 对拟合后的航段通过截弯取直的方法, 去除多余的转弯点, 生成最终的改航路径。仿真结果表明: 现行的沿扩展受限区边界绕飞的改航路径长度为532.299km, 而采用新改航规划模型生成的改航路径长度为455.924km, 在没有增加额外转弯点的条件下, 航线长度减少了14.35%, 因此, 采用该规划方法可安全有效地避开飞行受限区域。