车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

基于ASRank和MMAS的蚁群算法求解飞机指派问题

本文将航班串的飞机指派问题归结为车辆路径问题,考虑连续航班串之间衔接时间、衔接机场的约束、每架飞机的总飞行时间约束,建立了带有飞行时间约束的车辆路径问题的混合整数规划模型。构造了蚁群系统算法,引入基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略。选取某航空公司7组初始航班串集合进行测试,并对算法中的重要参数进行了分析。实验结果表明,本文设计的模型和算法可以有效地减少连续航班串之间的总衔接时间,在可接受的计算时间内获得满意解。     

基于改进蚂蚁算法的拉动式供应链动态调度分析

分析了拉动式供应链调度动态性的产生根源,指出由于存在供应链协作成员之间复杂的协作与竞争关系,导致了供应链动态调度的特殊性;分析了供应链动态调度过程中的两个主要瓶颈.为了合理解决瓶颈问题,在优化供应链动态调度过程中引入蚁群觅食的寻优机理,并对其进行特定的算法设计及改进,提出供应链动态调度的蚂蚁寻优算法.仿真结果验证了算法可行有效.     

MC模式下供应链动态调度的蚁群寻优分析

在对MC模式下供应链调度的基本运作特征描述及界定基础上,分析了调度过程中主导矛盾的缓解思路;通过将该思路引入动态调度的运作过程,分析了MC模式下的供应链动态调度机理.在调度求解过程中,引入蚁群觅食的寻优机理并对其进行特定的算法设计及改进,提出了供应链动态调度的蚂蚁寻优算法.算法特点为在运算过程中不仅能够反映该生产方式独特的运作特征要求,而且能够融入对主导矛盾的缓解思路.通过仿真,验证了算法的可行性.     

基于改进模糊遗传算法的混合车辆路径问题

本文建立了多配送中心、多车型、多产品的车辆路径问题的混合数学模型,提出了一种新的模糊遗传算法求解混合车辆路径问题,通过改进的模糊逻辑控制器实现交叉概率和变异概率的动态调整,以加快算法收敛速度并避免算法陷入局部最优解。采用标准算例进行对比,证明模糊遗传算法有较好的计算结果和计算效率,并用模糊遗传算法对混合车辆路径模型进行仿真测试,取得了理想的结果。     

分支蚁群动态扰动算法求解TSP问题

蚁群优化算法是一种求解组合优化难题的强启发式算法,它利用正反馈和并行计算原理,具备很强的搜索能力。近年来,蚁群优化算法广泛应用于TSP问题的研究。本文提出分支蚁群动态扰动(DPBAC)算法,该算法主要从5个方面对基本蚁群算法做出改进:引入分支策略选取出发城市;改进状态转移规则;引入变异策略改进蚂蚁路径;改进信息素更新规则;引入条件动态扰动策略。实验表明,该算法可以有效改善基本蚁群算法搜索时间较长、容易陷入局部极小等缺点。     

基于自感应蚁群算法的VRPSDP问题研究

同时供货和取货的车辆路径问题是车辆路径问题的重要组成部分之一,问题的复杂性使得目前的主要求解方法局限于各种插入式启发算法。本文引用了近年来出现的蚁群算法,并通过对蚂蚁行为的深入研究,首次提出了感应因子、期望程度因子、距离性比因子以及加速因子的概念,在信息素更新方面融入了当前路径的距离特征,构建了一种全新的自感应蚁群算法。该方法充分利用全局分布的信息素感应信息,并且根据车辆容量支配值以及节点间距和节点-中心点间距性比进行状态转移,利用信息素更新公式中加速因子的动态调节有效地解决了算法快速收敛与陷入局部最优的矛盾。仿真试验证明了自感应蚁群算法的有效性,同时,该算法也拓展了车辆路径问题的算法空间。     

多维背包问题的二进制蚂蚁算法

针对著名的多维背包问题(MKP), 在蚁群优化系统高维立方体结构的基础上,提出了一种二进制蚂蚁算法(BAS).与其他求解MKP问题的蚂蚁算法不同,BAS根据二进制解的结构设计了特殊的信息素放置方式,同时在算法的迭代过程中允许非可行解的产生,并通过基于问题特征信息的修改算子修复每次迭代所产生的非可行解.BAS算法采用了特殊的信息素更新规则,使得各个选择路径上的信息素可以直接作为选择概率,同时,为了避免算法陷入早熟,BAS设计了简单的局部搜索法,并根据算法所处的不同收敛状况,采用了不同的信息素更新规划和信息素重新初始化的方法.针对MKP基准问题的实验结果表明,BAS具有超越其他蚂蚁算法的求解结果,其求解不同基准测试问题的能力表明了BAS具有解决超大规模MKP问题的潜力.     

求解带时间窗的客户需求可分条件下的车辆路径问题

物流运输中的车辆路径问题历来是一个重要的理论和实际问题,在同时考虑客户需求可分以及客户方和配送中心时间窗限制的前提下,重新构造了问题模型,并结合蚂蚁算法中转移概率的改进和最大-最小蚂蚁系统,设计了问题求解过程和分割点选取规则,计算结果显示出算法的可行性。另外还与客户需求不可分的情况进行了对比,从而说明在大规模物流运输需求下,可分能带来更好的效果。     

ACO算法在投资组合中的运用

证券投资组合优化是降低投资风险的有效方法之一.该文基于现有的相关文献,并将蚂蚁算法引入证券投资组合优化领域,对Markowitz的资产组合模型进行了必要的改进.在对ACO算法作出相应的定义与描述的基础上,文章运用实例检验ACO算法,结果表明该算法具有较好的收敛性、稳定性和合理性,是求解证券投资组合优化问题的一种较好的方法.     

房地产开发项目投资组合优化的改进蚁群算法

开发项目投资组合是分散房地产开发非系统风险的一重要策略。现有的房地产开发投资组合理论及算法存在缺陷,本文利用熵作为风险衡量指标,并将蚁群算法引入房地产开发领域,且针对基本蚁群算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的改进蚁群算法,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节,克服了基本蚁群算法的不足。TSP问题的计算结果表明了该方法较之其他改进算法的优势。以各项目间的均值熵代替TSP中的各城市距离后的房地产投资组合计算实例表明,该方法具有较好的收敛性、稳定性和鲁棒性,是求解组合优化问题的一种较好的方法。     

面向新零售的生鲜连锁企业城市配送网络优化研究

城市配送网络优化是生鲜连锁经营企业实施新零售的关键环节,本文研究新零售背景下生鲜企业城市配送网络面临的多业态门店选址及末端需求点分配问题。本文系统考虑多业态零售门店选址布局及覆盖范围、冷链设施配置、冷藏品类选择等生鲜新零售特征构建非线性混合整数规划模型,并设计混合拉格朗日松弛算法求解模型,通过与CPLEX对比验证本文算法的有效性。根据典型生鲜连锁企业重庆果琳的实际数据,运用本文模型及算法得到重庆果琳多业态零售门店布局、门店线上订单覆盖范围、门店冷藏最优品类和门店冷链设施配置方案,并探讨需求规模变动、消费者自提意愿、线上订单规模和气温变化等因素对城市配送系统的影响。结果发现相比重庆果琳现有配送网络,优化方案平均成本降低2.52%;生鲜连锁企业损耗成本占总成本超过70%,配置冷链设施总成本仅降低0.32%;需求规模变动对城市配送网络及单位配送成本的影响较小;消费者自提意愿、线上订单规模和气温变化不影响城市配送网络结构且对总成本影响较小。     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。     

分销网络优化模型及算法研究

为了优化网络结构,寻求最佳配送策略,最终找出成本最小的供应链,针对需求拖动式供应链中,多供应商、多产品、多客户分销配送网络的优化设计问题,在考虑需求分配的情况下,提出了分销配送网络的优化模型。为了求解优化模型,提出了基于混合遗传算法求解混合0-1整数规划问题的算法,它是用遗传算法搜索0-1变量的最优解,将其他算法融入遗传算法中,对非0-1变量进行求解的一种算法。最后通过两个算例进行了仿真实验,初步验证了优化模型和算法的有效性。     

考虑差异化服务时间的多车型电动汽车路径优化与充电策略研究

在政府政策大力支持以及社会环境意识不断增长的背景下，电动汽车在物流配送行业快速普及。电动汽车参与的物流配送服务需要物流专员、电动汽车和顾客三方协作完成。因此，在传统车辆配送路径优化的基础上，车辆的多样性、充电策略、人车的匹配以及服务时间差异化等因素都会影响物流运营成本。本文提出了考虑差异化服务成本的多车型电动汽车路径优化与充电策略问题并建立了该问题的整数规划数学模型。其次，提出了混合启发式算法MCWGATS，并通过多组算例验证了算法的有效性。最后，采用多组算例分析了多车型和差异化服务时间对运营成本的影响。实验结果表明，该模型有助于物流企业提高人员、物流车辆、服务时间等资源的利用效率，降低运营成本。     

基于资源共享和温度控制的生鲜商品多中心车辆路径优化问题

针对生鲜商品多中心共同配送优化研究在资源共享和温度控制有效结合方面存在的不足,提出研究集成资源共享和温度控制的生鲜商品多中心车辆路径优化问题。首先,结合生鲜商品的易腐性和配送过程的及时性特征,构建了包含生鲜商品多中心间的运输成本、配送成本、车辆温控成本、违反时间窗惩罚成本、生鲜商品价值损失和车辆租赁成本的物流运营成本最小和配送车辆使用数最小的双目标优化模型。然后,设计了结合生鲜需求客户地理位置、需求商品温控区间和时间窗约束的K-means多维聚类算法,进而提出一种TS-NSGA-II算法,该算法设计了禁忌搜索算法(TS)和非支配排序遗传算法(NSGA-II)间有效的选择性赋予机制,进而增强了解空间的搜索和寻优能力,并通过与MOGEA和MOPSO算法的对比分析,进一步验证了模型和TS-NSGA-II算法的有效性。最后,通过实例分析探讨了不同资源共享模式和温控区间的多中心车辆路径优化方案,研究结果可为生鲜商品物流配送企业进行资源共享模式选择和温控区间设计提供方法支撑和决策支持。     

震后应急物资配送的模糊定位-路径问题研究

从系统集成优化的角度研究震后应急物资配送的一种新模糊定位-路径问题(LRP),综合考虑救灾点所在地理位置和地形导致的应急车辆行驶时间的随机性、救灾点应急物资需求量的不确定性与应急物资配送的时间紧迫性,以应急物资总运达时间最短与总配送成本最小为目标,构建一个基于机会约束规划的多目标模糊LRP优化模型,并根据模型的特点设计了一种混合免疫遗传算法予以求解。最后,通过算例验证了本文方法能有效解决震后应急物资配送的模糊多目标LRP,实现了震后应急物流中心定位和应急车辆路径规划的联合决策。     

基于电商承诺送达机制的多目标低碳MDVRP优化研究

针对存在多配送站的电商物流配送问题,首先,考虑实际装载量对物流配送过程中车辆燃料消耗量的影响,建立燃料消耗量模型,并结合电商平台的承诺送达机制,构建配送延迟时间函数。随后,提出了以最小化物流成本和延迟收货时间的多目标多配送站车辆路径规划问题,建立该问题的混合整数规划模型。再次,采用基于分解的多目标遗传求解算法对问题进行求解。该算法采用矩阵编码的方式,设计了基于贪婪搜索策略的启发式初始化方法,考虑到贪婪搜索策略容易陷入局部最优的劣势,在算法迭代过程中,允许部分不可行解存在以扩大解空间的搜索范围,并进一步设计了遗传算法的交叉和变异算子。最后,以具体物流配送案例进行数值实验,实验结果表明所设计的算法对求解本文模型是有效的。     

多枢纽轴辐式协同物流网络任务-路径优化匹配研究

针对物流网络运营中规模效益低、运营商与客户利益冲突等问题，本文提出了基于多枢纽轴辐式协同物流网络的任务-路径优化匹配策略。在网络结构确定的条件下，从物流集成服务商角度出发，综合考虑资源发车时刻、路径能力限制、动态成本折扣系数以及任务延时惩罚，构建了以总物流成本最小和时间最短为优化目标的轴辐式协同物流网络任务-路径优化匹配数学模型。根据问题特点，设计了基于三层编码的遗传算法对模型进行求解，同时配合多点交叉、变异机制提高求解效率。研究结果表明，集并运输能够大幅度降低任务集执行成本，但当集并带来的交货延迟、客户满意度降低等负面效应超过其正面效应时，需适当匹配直达线路以提高整体效益。