蚂蚁算法在组合优化中的应用

蚂蚁算法是近年来新出现的一种随机型搜索寻优算法 ,自从在 TSP等著名问题中得到富有成效的应用之后 ,已引起越来越多的关注和重视 .本文进一步将这种新型的生物优化思想扩展到其他一些组合优化难题 ,包括目前尚缺乏有效求解手段的多目标组合优化问题 ,从实验上探索了蚂蚁算法的优化能力 ,获得了满意的效果     

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.     

用混合遗传算法求解物流配送路径优化问题的研究

论文建立了物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将爬山算法与遗传算法相结合,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了实验计算。计算结果表明,用混合遗传算法求解物流配送路径优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

物流配送系统中大规模最短路径算法的研究

在物流配送管理系统中,车辆路径优化是一个典型的难题,而最短路径算法是其基础.传统的最短路径算法,如Dijkstra最短路径算法因性能问题无法适应大规模的拓扑网络和实时计算.本文在Dijkstra最短路径算法的基础上,在方向优先等改进算法的启发下,设计和开发了基于GIS的大规模最短路径算法.实验表明,该算法受拓扑网络规模的影响极小,能够快速完成实时最短路径计算.     

基于免疫遗传算法的物流配送车辆路径优化问题研究

物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点,传统的优化方法往往难以解决这类问题.本文提出一种新型免疫遗传算法进行物流配送车辆路径问题的优化规划.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,这些算子包括接种疫苗、各基因座多样性调整以及免疫选择.以运输费用最小为优化目标建立了物流配送车辆路径优化问题的数学模型,利用免疫遗传算法求得优化解,并通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较,验证了本文免疫遗传算法的有效性和优越性.     

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.     

基于节约算法的烟草物流配送线路优化

中国是目前世界上最大的烟草生产和消费国,烟草企业在国民经济中占据着举足轻重的地位.物流作为许多企业的"第三利润源泉",受到越来越多的重视,在烟草行业中也不例外.根据烟草企业的特征,对卷烟物流配送进行优化,是烟草企业降低运营成本、提高客户满意度、增强核心竞争力和继续保持企业持续稳定健康发展的重要手段,是我国加入WTO后烟草企业应对国际烟草工业巨头挑战的重大策略和举措.本文选择节约里程算法来解决烟草配送方式的优化问题,希望通过上述优化思路与方法,可以有效地降低卷烟配送体系运营成本,提高客户满意度.     

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。     

电动汽车物流配送系统的换电站选址与路径优化问题研究

在能源、环境形势日益严重的今天,电动汽车因其清洁、节能的显著优势,已经逐步成为物流配送公司重要的新能源交通工具,优化物流配送网络成为电动汽车作为物流工具普及的一个重要问题。本文提出了电动汽车物流配送系统的换电站选址与配送路径优化问题,建立了整数规划模型,并设计禁忌搜索-改进Clarke-Wright 节省的两阶段启发式算法来求解该模型,提出了两种不同的禁忌准则,并且通过算例对这两种准则进行了比较。为了证明算法的有效性,还将该算法的结果同CPLEX的计算结果进行了比较,结果表明该算法更加有效和可靠。最后,对车辆的装载容量、电池续航里程和单位建站成本做敏感性分析,发现总成本随着装载容量的增加而显著降低,电池续航里程的提升有助于降低建站成本并降低目标函数值,而单位建站成本的增加可能减少建站个数,增加运输成本,但由于续航里程的限制,建站个数也可能保持不变。     

电子商务环境下物流配送存在的问题及优化策略探讨

电子商务的发展,对网络经济发展产生了积极的促进作用。在电子商务环境下,物流配送效率显著提升,不仅为商家出售物品提供了便利条件,而且使人们生活和购物更加便捷。需要注意的是,虽然电子商务环境下物流配送给人们带来了很大便利,但是在实际配送中仍然存在一些急需优化的问题。基于此,文章解析了电子商务环境下物流配送的特点,分析物流配送中存在的问题,并探索科学有效的优化策略,旨在提升物流配送效率,促使其更好地适应电子商务环境。     

Ant Colony System for a Dynamic Vehicle Routing Problem

An aboundant literature on vehicle routing problems is available. However, most of the work deals with static problems, where all data are known in advance, i.e. before the optimization has started. The technological advances of the last few years give rise to a new class of problems, namely the dynamic vehicle routing problems, where new orders are received as time progresses and must be dynamically incorporated into an evolving schedule. In this paper a dynamic vehicle routing problem is examined and a solving strategy, based on the Ant Colony System paradigm, is proposed. Some new public domain benchmark problems are defined, and the algorithm we propose is tested on them. Finally, the method we present is applied to a realistic case study, set up in the city of Lugano (Switzerland).     

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。     

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。     

基于混合蚁群算法的生产系统设施规划问题研究

设施规划问题主要研究生产设备的布局规划,从而减小厂区内的物料搬运成本。一个有效的设施规划有利于生产过程中整体运作效率的提高。随着市场竞争的日趋激烈,市场环境处于不断的变化之中,制造企业需不断对设施布局进行重新规划来适应不断变化的市场环境对产品需求量的影响,并达到降低成本的目的。这一问题便需要用多阶段设施规划（MFLP）的方法来解决。本文提出了一种改进的混和蚁群算法（HACO）来解决带有财务预算约束的多阶段设施规划问题,并将此方法与其他一些典型的启发式算法进行了对比分析。结果表明,本文提出的HACO算法是求解带有财务预算约束的MFLP问题的一种有效的方法。     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

突发疫情环境下考虑订单释放时间的零售物流配送路径优化研究

“新冠肺炎”疫情突发严重危及了人们的生活安全,而物流保障在疫情防控、保民生活、稳定社会方面却起到了重要支撑作用。以保证民生的零售物流配送为背景,本文研究考虑订单释放时间的车辆路径优化问题,以配送完工时间与运输成本的加权之和最小为目标,构建了线性规划模型,并设计了改进的迭代局部搜索求解算法。该算法采用基于多种邻域结构和改进的US算法的局部搜索过程以增强算法的寻优能力,通过引入大路径和最优分割过程获得高质量的初始解和打破机制以增强算法的搜索效率。同时,提出一些性质用于拉格朗日松弛算法,为本文研究问题提供高质量的下界。最后,数值实验部分通过求解标杆算例和文中算例验证了模型和算法的有效性,并对订单释放时间和模型参数进行灵敏度分析,结果表明本文模型和算法能够为零售物流配送的效率提升和成本控制提供有效的决策支持。     

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。