һ�ָĽ�ģ���˻������·��ѡ���㷨

合理的配送路线可以提高物流配送的效率。启发式的最优路径选择方法是目前研究的热点，本文针对模拟退火算法收敛速度慢的缺点，提出采用退火过程的导引知识（即上次退火过程节点的分布情况）作为下次选择节点的依据，从而提高模拟退火算法的速度。分别针对不同的配送节点进行实验，结果表明，基于导引知识的模拟退火算法能够获得更快的收敛速度，更快得到最优解。     

���ڸ����������ij���·�����㷽��

城市道路交通运行状况信息（路况信息）的准确、实时的获取和处理是交通诱导、交通控制等应用的基础。而路况信息一般用路段平均通过时间和平均速度来表示。本文在分别对基于平均速度和基于平均通过时间的算法误差分析的基础上，提出了基于浮动车技术的城市路况计算方法。并利用广州市出租车综合管理系统提供的浮动车数据，结合车牌计时和跟车测试等实验对该方法的有效性进行了验证。实验结果表明本文所提出的方法是有效且实用的。     

���ٹ�·�շѱ�׼�Ķ�̬��������

为保证高速公路收费费率的公平性和合理性，并达到预期收费目的，文章科学地、系统全面地指出了收费标准的调整时机，同时就交通量、收费系数、资金来源等因素进行详细分析和说明，并概括阐述了具体实施时的有关事宜.     

���ڻ���Ŵ��㷨�ij���·������

在详细分析遗传算法的局限性的基础上，构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法。这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间，可以有效地避免遗传算法易出现“早熟”收敛的问题。然后，分别用混合遗传算法和遗传算法对同一实例进行求解，并对求解结果进行对比分析。结果表明该混合遗传算法的求解结果比遗传算法收敛速度快，更加接近最优解。     

�ɱ���ʻʱ��Ķ�̬����·�������

针对城市建设发展中道路交通阻塞问题，研究了两种类型的车辆路径与调度问题，给出了相应的求解框架，并构建了一个具有可变行驶时间的动态车辆路径与调度模型，涉及了车辆的固定费用、运营成本和早到或者延期的惩罚费用等多种费用。该问题是一个NP-hard问题，采用遗传算法确定最优解，并给出了车辆路径与调度方案的表示方式。最后设计了一个交通网络，通过动态交通仿真更新行驶时间，研究了多个不同时间段道路阻塞情况下算法的性能。结果显示比不考虑实时行驶时间信息的模型，该模型能够得到更低的总成本。     

������߹��̵Ķ�̬·��ѡ��ģ��

针对已有路径选择模型缺乏选择决策过程的问题,给出基于决策场理论的车辆路径选择过程框架,建立面向过程的车辆动态路径选择模型。该模型综合考虑驾驶员心理、路况、决策时间等各种不确定性因素的交互影响,将行程时间、行驶距离和行驶路线所经交叉口数量作为驾驶员路径选择的主要标准,使模型更接近实际的决策过程。通过模型仿真,分析了路况交通信息和时间压力对驾驶员选择决策过程的影响。分析结果表明：不完全交通信息会导致“确定性效应”,不能对驾驶员进行有效的引导;驾驶员的路径选择决策过程不仅取决于驾驶员的自身因素和路况,还与时间压力有关,时间压力会降低决策质量,导致偏好逆反现象。     

һ�ָ��Ƶ�·��ֲڶ����۳�������

鉴于对国家公路系统进行全面评价的方法耗费太大，一般采用抽样方法来评价路面粗糙度，这涉及到很多实际因素．尽管分层随机抽样的方法已经在干线和一般的集散系统得到利用，它仍有很大的发展空间．本文在提出多个针对路面条件的随机变量的基础上，通过改变路面粗糙度分布的基本假定来改进抽样方法，为路面粗糙度的估计建立了一个整体的框架．论文简要介绍了简单随机抽样、分层随机抽样方式，通过分析说明后者能够对路面网络的粗糙度样本提供更全面的估计，而且其偏差更小．论文进一步讨论了以精确估计为基础的良好分层带来的影响．结果表明，在交通网络上可找到一种独特的优化分层方法．根据分析结果，本文定义了该改进分层方法．     

��ʱ�䴰�Ķ೵�Ͷ���ó���·�������ģ�ͺ��㷨

创新性地考虑了多车型车辆路径问题中不同车型具有不同的边际费用和行驶费用的问题,并同时考虑车型与任务的相容性,对带时间窗约束的多车型多费用非满载车辆路径问题,以最小化总费用为目标建立了数学模型。由于该模型的NP-hard性质,基于高费用车型的边际费用和单位行驶费用比低费用车型的相应费用都要高以及低费用车型的边际费用远大于高费用车型的单位行驶费用的思想,对该模型设计了一个启发式算法。     

����ʡ�ش��·��ͨ�¹ʷ���

本文首先对近10年来云南省发生的937起一次死亡3人以上的特大道路交通事故的数据进行了分析,寻找特大交通事故发生的时间、地域特点以及与道路、车辆、驾驶人以及经济增长之间的关系；并进一步对今年以来发生的42起特大交通事故从人、车、路、事故形态、事故直接原因等方面进行详细分析，指出特大交通事故在驾驶人的分布特征、肇事车辆特征、公路的具体分布方面的主要特点与规律。在此基础上，从社会经济发展、山区道路的安全性、路面的交通执法管理以及道路交通安全管理的社会化等方面，对特大事故发生的深层次原因进行探讨，由此简要提出预防特大交通事故的基本思路。     

����п���·������··�躯�����о�

城市道路分等级路阻函数的研究对智能交通系统(ITS)至关重要，本文首先分 析了大城市快速路以及主干路的特点，并给出了相应的路阻函数的形式，并基于实际调查数据分析了城市快速路及主干路路段的车速与交通量的关系，通过得到的关系论述了两等级道路的路段路组函数的特点及适应形式。并重点针对主干路的交叉口延误计算进行研究，建立了适应各类型交又口延误计算的统一模型，设计了延误计算公式的检验方法，并通过实际调查数据进行了模型的检验.最后确定了城市快速路与主干路路阻函数的模型。     

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.     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

�����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．     

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.     

带回程的车辆运输路径优化及定价模型

本文针对物流企业在定价时存在的问题,研究了带回程车辆的运输路径优化及定价模型,采用改进的遗传算法求解,并给出算例,从而得到承运者的最低运价,以期为物流企业提供科学的决策依据。     

基于改进遗传算法的车辆路径问题

为了研究物流中心的服务效率和车辆的合理调度方案,以汽车载重量作为影响车辆路线安 排的主要因素,以经典的车载容量约束条件下的车辆路径问题为原型建立数学模型,通过求解该 数学模型的最优解来获得车辆最优路径。由初始状态随机生成的可行解作为初始的车辆路径方 案,通过改进的遗传算法不断地调整染色体的交叉和变异概率进行优化,最终得到物流中心车辆 安排的合理方案。通过多次求解算例,都能够得到满意的车辆路径方案,不仅验证了该数学模型 的有效性和实践性,而且也验证了改进后遗传算法的收敛性和鲁棒性,同时得到了改进遗传算法 交叉和变异概率的调整范围。该模型和算法不仅可以提高物流中心的服务效率,而且可以为物流 中心的车辆调度方案提供支持和帮助。     

遗传算法在车辆路径问题中的优化

关于遗传算法的车辆路径优化问题,已经提出过多种思想方法,虽然有些也有实验结果,但仍大有改进余地。针对具体的车辆路径优化问题,对传统遗传算法作了多处关键性改进。针对多客户点基本均布于物流中心的特点,作初始群优化,降低交叉率,提高变异率,简化繁琐的染色体修正计算,极大地提高了寻优速度,减少了遗传操作的数量,为多计算点的遗传操作提供有力的支持。