一种混合蚂蚁算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，提出了一种混合蚂蚁算法，该算法利用遗传算法快速全局的搜索能力，生成初始解，并转化为网络的初始信息素分布．利用蚂蚁算法的正反馈特性，迅速收敛到问题的最优解．仿真取得了非常好的效果，表明该算法是合理有效的．     

���ڱ�������IJ��̶�ǣ����ʽ˫��ؽ�·�������������㷨

建立了不固定牵引方式双肩回交路机车周转图的数学模型，以机车在两折返段和基本段总停留时间最少为目标，设计了求解该机车运转制机车最优配置的一种变异进化算法。该算法根据个体适应度的优劣而对个体进行不同程度的变异，并采用启发式变异和随机变异两种变异策略，既使优秀个体的染色体中优良模式能够最大程度地遗传给子代，又保持了子代的多样性，有助于提高算法的优化性能和收敛速度。以某列车运行图为例仿真计算，所求得的机车段内总停留时间和需要的机车数比该运行图分别减少约23.8%和9.8%，并与遗传算法进行了比较。     

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。     

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。     

城市交通车辆模糊路径的柔性选择策略

基于有限理性的思想,通过引入决策者主观偏好的概念,阐述了给定时间约束下车辆模糊路径的柔性选择策略;建立了该问题的模糊机会规划模型,并给出了一种启发式算法.以最小化剩余旅行距离为目标,用随机模拟方法探讨了决策者主观偏好值P＊对最终目标的影响.结果表明,约束时间一定时,在特定的路网中,存在最优的P＊值.     

基于多媒体业务移动自组网路由协议的研究--自适应选择与性能分析

基于对多媒体业务的支持，研究了发送速率为144kb／s的条件下移动自组网中路由协议AODV和DSR的性能．通过对它们的性能进行比较和分析，结果表明，AODV能获得较高的报文投递率，且随移动性的变化较小；同时，在高移动性时AODV平均的端到端时延也较小，但在低移动性时DSR能获得比AODV更小的平均端到端时延。     

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法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过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

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。     

��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。