多车场集送一体化车辆调度问题及其遗传算法研究

针对物流配送中的多车场一体化车辆调度问题提出了智能处理方法,采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束。并且根据具体约束情况设计了改进的遗传算法,采用了动态染色体、改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有一个代表性算例试验结果和结果分析。试验结果表明了此方法对优化有里程和时间窗约束的多车场一体化车辆调度问题的有效性。     

最小时间窗规则及其在混合遗传算法中的应用

为了研究与优先规则结合的混合遗传算法,提出了最小时间窗规则(STW),设计了采用最小时间窗规则生成初始种群的算法.发现调度结果中时间窗越少和越小,则完工时间就越小.探讨了优先规则应用于遗传算法中在生成初始种群时的完工时间、广义海明距离和完工时间的标准偏差等性能指标.对不同规模基准调度问题的测试结果表明,STW规则在以最小化完工时间为目标的调度中,与其他几种简单规则相比,能产生较好的调度效果.在混合遗传算法中,采用STW规则产生的初始种群整体适应度最高,多样性较好.     

考虑用户行程时间不确定性的共享汽车调度鲁棒优化研究

单程共享汽车服务模式的快速普及,导致因用户需求潮汐性引发的车辆在站点间失衡问题日益严峻,如何更加有效地组织车辆调度是共享汽车运营企业亟需解决的问题。在用户用车需求全部满足的假设前提下,建立一个共享汽车车辆调度确定性模型,并应用鲁棒优化理论,推导出该确定性模型对应的鲁棒对等模型。选取Evcard位于上海市嘉定区的5个站点作为案例进行分析,验证了所提模型的有效性。结果表明,用户行程时间不确定性对系统成本具有重要影响,随着用户行程时间不确定性波动上界的增大,系统成本增加明显,但鲁棒模型所增加的成本远小于确定性模型下风险发生时所造成的损失,为共享汽车企业制定车辆调度方案和控制运营成本提供了新思路。     

站点需求响应式公交调度系统优化研究

根据站点需求响应式公交能为乘客提供实时预约服务的优点,结合互联网环境下信息技术的时效性和共享性对站点需求响应式公交进行了优化。首先,阐述了公交运行方式,设计了公交调度系统的总体结构、模块功能和工作流程;接着,以提前预约需求为服务对象,构建了基于乘客匹配方法的静态车辆调度模型,采用遗传算法求解车辆初始行车计划;然后,以实时预约需求为服务对象,根据响应判断条件建立了动态车辆调度模型,利用插入算法动态调整车辆行车计划;最后,对重庆市479路公交线路进行了仿真实验。结果表明:动静态结合调度方法的站点需求响应式公交调度系统与纯动态调度方法相比,前者的乘客拒绝率、乘客等车时间分别减少了13.04%和50.32%,且前者的系统整体性能指标提升了11.78%。     

校园公共自行车站点选址研究——以天津大学北洋园校区为例

在分析公共自行车布局研究不足的基础上,建立了基于Gis和遗传算法的校园公共自行车站点选址模型。从学生满意度和企业的成本两方面出发,确定了校园公共自行车站点的选址目标及影响因素;利用Gis定量分析可在地图上表现的影响因素,得出候选站点;引入中值模型结合遗传算法,得到最终站点;建立单调度中心无时间窗约束的调度优化模型,结合遗传算法在Matlab上实现。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

基于两阶段算法的带时间窗车辆路径研究

车辆路径问题(VRP)是研究在规定区域内如何规划车辆行驶轨迹来提高运输效率的调度问题。实际生活中往往有顾客对服务时间有自己的要求,因此对于特定时间内车辆路径问题(VRPTW)的研究不但可以提高运输行业配送水平,而且可以有效提高顾客满意度及车辆利用率,实现资金合理配置。通过研究大量配送环节的VRPTW问题并结合实际配送需要,构建运输成本最小的带有惩罚函数的目标函数并设计两阶段算法,将聚类分析和改进遗传算法相结合。通过MATLAB仿真计算和对实验结果进行比较,验证所建模型及算法设计能够有效解决实际问题,降低配送成本。     

基于拥挤收费的动态出发时间选择

针对动态交通分配领域中往往假定所有车辆的出发时间是固定的不正确假设，探讨基于拥挤收费的出发时间选择问题的负效用函数，建立动态出发时间选择问题的变分不等式模型．结果表明，建立的变分不等式模型等价于动态用户最优出发时间选择问题.     

面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.