基于MATLAB的混合型蚁群算法求解旅行商问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出基于MATLAB的蚁群算法在旅行商问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行局部优化.计算机仿真结果表明,这种混合型蚁群算法对求解旅行商问题有较好的改进效果.     

基于改进蚁群算法的铁路取送车作业问题研究

针对企业铁路树枝形货物作业点取送车作业路径优化问题,运用改进的蚁群算法对其进行运算求解,并通过国内某煤炭企业案例验证优化模型和算法,结果表明运用建立的模型和最大最小蚁群算法可得到更加符合实际生产的作业方案,可以满足取送车作业实际要求。     

混沌蚁群算法在空车调整问题中的应用

根据空车车流的混沌特性,以空车走行公里数最少为优化目标,提出了采用混沌蚁群算法求解空车调整问题.通过算例求解,验证了采用混沌蚁群算法求解空车调整问题的合理性和有效性.     

基于配放约束的货物多车配载优化模型与算法

构建具有装载重量、体积以及性质相互抵触的货物不能混装等多约束条件下,基于配放约束的货物多车配载模型.并以该模型为基础,提出求解该问题的蚁群算法.在模型求解过程中,针对问题特点,充分考虑货物配装限制及装载工具的载重、容积等方面约束,基于待装货物比容动态逼近装载工具剩余空间比容策略,综合运用ACA-VEHICLE和ACA-VOTUME等2个不同蚁群协同考虑两个目标--需用装载工具数目和重量、容积利用率优化对问题的求解策略进行研究.改进了蚁群算法的求解策略,提升了算法性能.最后,结合8类100件货物的配装问题,对模型算法进行检验,结果满意,说明该方法具有实用性.     

基于蚁群算法的煤炭运输优化方法

蚁群算法是指通过人工模拟蚂蚁搜索食物的过程来求解运输优化问题的一种算法。给出蚁群算法模型及算法步骤。研究一种带容量限制和考虑损耗的煤炭运输数学模型的优化计算,并给出算法步骤。运用蚁群算法对某一钢铁企业煤炭运输问题进行优化计算,计算结果符合实际生产情况。     

采用蚁群算法求解铁路空车调整问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,针对空车产生总数和空车需求总数相等的平衡运输问题,建立以空车走行公里数最小为目标的空车调整数学模型,应用蚁群算法求解铁路空车调整问题。对有3个空车产生地点、4个空车需求地点的240辆空车平衡运输的算例,采用蚁群算法求解,得到2种目标结果最优的调整方案,可见该算法结果具有多重性,可以适应不同的调整需求。将其计算结果与分别采用最小元素法、西北角法、神经网络法及遗传算法所得结果进行比较,表明采用蚁群算法精度高、参数少、运算过程简单、模型易于理解和维护。采用蚁群算法求解空车调整模型可以用于全路、路局等的空车调整问题求解。     

蚁群算法在调机运用计划中的应用

编组站调机运用计划为具有不同开工、完工时间窗口的单机调度问题,优化目标是最小化晚点列车的数量。为解决这一NPC问题,建立单机调度数学模型,采用蚁群算法求解。设计的算法步骤是,将调机运用问题描述成适合蚁群算法的形式,并进行初始化,考虑迭代过程中信息素对未来决策的影响程度,定义与问题相适应的转移概率,进而确定选择策略来平衡已有方案的利用和搜索空间的选择,采用2-opt方式的局部搜索策略来避免“早熟”或者“停滞”现象,同时在蚂蚁经过的路径上进行信息素更新,实现对该优化问题的有效求解。以某编组站有12列到达列车和少量暂存列车解体编组出12列出发列车为例,利用设计的蚁群算法步骤,求得到达列车的解体次序和出发列车的编组次序,验证了该算法在编组站的改编能力无法满足车流配送情况下实现合理安排调机的有效性。     

基于地铁-货车联运的动态配送选点-路径问题

为应对传统动态需求下单一车辆配送成本高、时效差等问题，通过共享地铁剩余运能将地铁网络融入城市末端配送网，提出基于地铁和货车联运的动态选点-路径问题。从联合运输配送成本最小化角度出发，考虑动态需求、客户服务时间窗、多转运点接送等因素，构建地铁转运点选择、货车调度以及接运配送路径的两阶段动态选点-路径整体优化模型。针对模型特征，设计“初始阶段+动态阶段”的两阶段启发式算法，将Mark-Sweep算法和蚁群算法相结合求初始解，再设计双层启发式集成算法求动态解，为提高算法的求解质量和效率，外层遗传算法采用矩阵编码结构并通过截取掩码方式改进交叉变异算子，内层蚁群算法采用关键值编码结构并改进多点接送概率选择操作，通过内外层信息交互实现选点和路径的集成优化。最后结合不同算例验证模型与算法的合理性及有效性。结果表明，基于地铁和货车联合运输开展动态配送，不仅能有效提高配送时效性和精准度，而且能使配送成本降低约18%。     

基于蚁群算法的列车节能驾驶策略优化算法研究

针对城市轨道交通运输中列车牵引耗能大的问题,将优化列车推荐速度曲线和改进ATO驾驶策略相结合,提出一种基于蚁群算法的列车节能驾驶策略优化算法.首先建立列车推荐速度曲线优化模型,其次结合司机驾驶经验提出基于蚁群算法的列车推荐速度曲线优化计算方法,然后设计节能巡航驾驶策略对ATO原有驾驶策略进行改进.最后以北京地铁亦庄线实...     

基于端点换重的装车地直达车流组织优化模型与算法研究

优化组织装车地直达运输是缓解我国铁路主要干线运能与运量间矛盾的有效手段,本文在综合考虑装车地直达运输系统费用消耗的基础上,针对运输网络中存在径路选择和重载运输通道端点换重的情况,建立装车地直达运输组织方案优化模型.为了有效解决模型规模随着车流数目的增加而急剧扩大、求解异常困难的问题,设计了基于蚁群算法的求解方法,并通过算例验证了模型与算法的有效性.     

路网节点间铁路冷藏车空车调整的蚁群算法

数量调配和网络配流是铁路冷藏车空车调整的2个核心问题。在对问题进行抽象描述的基础上，建立了铁路冷藏车空车调整协同优化模型，将空车调整径路与数量两者统一到同一个模型中，实现两者整体上的优化。通过约束条件分析，在不改变铁路冷藏车空车调整问题协同优化性质的前提下对模型进行简化，将非线性模型转化为线性模型，设计相应的蚁群算法（ACO），并对算法复杂度进行分析。通过理论分析和实际算例分析表明，ACO算法易于利用计算机实现，对求解铁路冷藏车空车调整问题具有优势。     

交通物流配送路径优化算法的研究

为进一步优化交通物流配送路径,提高物流配送效率,将多种路径优化算法相结合,提出改进的路径优化混合算法。首先利用遗传算法的随机搜索性、快速性和全局收敛性产生物流路径问题的初始信息素分布,然后充分利用蚁群算法的并行性、正反馈机制及求解效率高等特点求得较优解,最后利用爬山算法良好的局部收敛性求得最优解。实验结果证明,该混合算法与单一算法相比,其路径计算效果和计算效率都有比较明显的提高。     

高速铁路单循环乘务排班计划编制模型与算法

乘务计划是高速铁路运输组织的基本计划之一,而乘务排班计划又是乘务计划的重要组成部分。本文研究高速铁路单循环形式乘务排班计划编制问题,建立以乘务交路总接续时间最短和冗余时间分布最均衡的双目标优化模型,设计基于动态启发式信息的蚁群优化算法。算例表明:求解算法对编制单循环乘务排班计划是有效的。     

高速铁路嵌套式票额分配方法研究

目前,高速铁路大多数列车的票额自预售之日起全程共用,实行旅客"先到先得"的原则。由于运输需求局部紧张,"先到先得"的售票原则会导致因短途旅客先购票,后到的长途旅客购不到票,造成铁路能力的浪费和收益的损失。本文针对该问题,提出"嵌套式"票额分配模型,通过"套用"短途OD的票额来保护长途OD的需求,设计蚁群算法对该模型求解。通过算例对模型和算法进行了验证,算例结果表明模型和算法是可行的。     

基于复杂列车服务网络的客流分配方法研究

研究旅客列车开行方案形成的复杂列车服务网络属性及其构造方法,在分析多层次客流选择行为基础上,确定列车服务网络弧段阻抗。建立体现差异性服务水平需求的复杂列车服务网络客流分配模型,该模型以旅客出行效益最大化为目标,通过分别限制不同出行距离、不同层次旅客的换乘次数及换乘时间,设置旅客出行径路的多约束条件。设计改进的蚁群算法和Frank-Wolfe算法构成的混合算法进行求解,为更加符合旅客的选择行为,按OD客流量、出行距离、优先级等规则进行流量加载。以京沪高速铁路旅客列车开行方案为例进行客流分配,验证模型和算法的有效性。     

树枝形专用线取送车模型及算法

基于树枝形专用线取送车作业的特点,针对多次列车相继到达车站情况下各种车流到发方式的取送车问题建立统一的数学模型.对一种特殊的调移作业,即跨调作业,进行界定,并将其纳入模型的处理范围.该模型可根据问题的具体情况自适应的选择各种合理的取送作业方式,通过求解模型,可以得到合理的取送车顺序、取送批次和取送车时机.提出时距期望启发式信息的概念,它在准确刻画取送车流优先级别的同时,也被运用于算法的寻优过程,从而改善算法的求解效率.最后,针对模型的具体特点,设计模型解的编码方式,并采用基于云模型的参数自适应蚁群遗传算法进行仿真,结果表明了模型和算法的有效性.     

基于区位理论的物流配送中心车辆调度优化算法

针对物流配送中心的车辆调度,建立了车辆分配和路径优化的数学模型,并对配送分区的实现采用四叉树法;对运输巡回线路的实现采用蚁群算法求解。通过算例,给出了基于区位理论的物流配送中心车辆分配和路径优化的具体方案。     

放射状路网条件下动车组运用优化研究

针对以大型枢纽为中心的高速铁路放射状路网,提出动车组的混杂运用方式,考虑动车组在枢纽内不同车站、同一车站内不同高速铁路线路间进行调拨。将动车组运用问题转化为多旅行商问题,选取蚁群算法进行求解,通过引入有限后向运行线数量和分析蚁群算法中参数取值来提高收敛速度和求解质量。以上海枢纽的一周运行线进行案例分析,结果表明动车组混杂运用能够减少动车组的运用数量和检修次数,降低运营成本。在当前运行图中,后向运行线数量为275条,参数ρ取值为0.7,参数α取值大于β且取值适中时,收敛速度和计算结果相对较好。     

基于蚁群算法的城市轨道交通列车节能运行优化模型仿真分析

对城市轨道交通列车的开行模式、牵引控制特性、驾驶策略优化算法等进行了综合分析，基于蚁群算法建立了优化求解模型匹配的列车最优运行速度曲线，采用OPENTRACK软件对优化结果进行了仿真分析，验证了列车节能运行策略的可行性及算法优化的有效性。     

基于蚁群算法的多功能车辆周期扫描表的优化设计

针对多功能车辆总线周期扫描表的已有设计方案存在缺点,本文对其优化设计方法进行深入研究,提出一种基于蚁群算法的优化设计方法.本文明确周期扫描表设计问题实质是典型的组合优化问题.首先,针对该组合优化问题建立数学模型,确定约束条件,提出减小周期数据报文在各个周期相中方差的优化目标.然后,针对该数学模型,利用蚁群算法生成蚂蚁行走的路径图,推导出相应的计算公式,从而寻找到最优路径,生成主帧的最优排列.最后,算法在MVB总线实例上进行验证,仿真结果表明以减小周期数据报文在各个周期相中的方差为优化目标的蚁群算法明显提高周期扫描表的均匀度和生成主帧表的效率.与国际标准IEC61375-1推荐算法进行比较,蚁群算法具有优势.