基于改进遗传算法的车辆路径优化研究

车辆路径优化研究是一个既有理论和实践意义又富有挑战性的课题。针对该NP难问题,提出了一种改进遗传算法。该算法采用了一种新的编码方式,使得染色体中的每一个基因能代表三层含义;采用了一种与爬山法相结合的混合进化策略。通过性能比较可以看出,在同等计算量情况下,改进遗传算法的优势明显。     

基于行程时间可靠性的车辆路径问题研究

文章考虑到路网交通流量随机变动,将路网可靠性理论引入到车辆路径问题,给出了基于行程时间可靠性的车辆路径问题的概念,分析了基于行程时间随路况的变化规律,提出一种解决车辆路径问题中行程时间可靠性问题的方法。结合蚁群算法求解行程时间可靠性的车辆路径问题。     

求解VRP的变种群规模混合自适应遗传算法

车辆路径问题是一个NP—hard问题。文章针对该问题设计了一种结合c—w节约启发式算法进行子路径优化的变种群规模混合自适应遗传算法。该混合遗传算法的种群规模随适应度值及进化代数的变化而变化;交叉概率及变异概率也随个体适应度值的不同而自适应地调整。其次．利用C-W节约启发式算法对子路径进行优化,有效地弥补遗传算法局部搜索能力较差的不足。对随机选择的10个基准测试实例的计算结果表明,该算法是求解车辆路径问题的有效方法。     

约束路网中车辆出行最优路径的选择

本文以交通管治下的约束路网为研究对象,在已知路段旅行时间分布函数的条件下,讨论了随机时变的城市交通网络中给定时间约束的车辆出行时间及路径优化问题。     

产学研协同创新中产出分享利益分配方式的优化路径

推动产学研协同创新的一个关键问题是要处理好利益的分配.产出分享的分配方式有利于协同各方的密切合作,但由于各方经济决策目标的不一致,这一分配方式仍有优化的可能.文章提出了纵向合作、纵向一体化及政府补贴三种优化路径,通过构建博弈模型进行了求解验证,经对比分析得出了最优路径.     

基于化学反应算法的鲜活农产品配送路径优化

文章通过引入时间价格因子考虑在鲜活农产品配送过程的损耗并结合运输成本和惩罚成本构建数学模型.从实际的运用环境出发,考虑到未在期望获得时间内达到运输地点的成本消耗,并且随着时间的推移,鲜活农产品本身也有成本损耗构建目标函数.根据该模型的特点设计化学反应的最小单元分子结构和算法步骤.运用化学反应算法可以很好地解决模型算法过早收敛于局部最优问题.通过实例验证了模型和算法的有效性和科学性.     

LS-SVM的一种参数优选方法及混沌时间序列预测

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.文章提出适当的验证性能指标用遗传算法优化最小二乘支持向量机的有关参数,并进行时间序列预测.通过对混沌时间序列的预测及和神经网络预测的比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

蚁群算法求解路径时间随机的应急资源调度问题研究

在研究应急资源调度问题时常常需要考虑到多种不同的因数,其中路径时间的不确定性直接影响着应急活动的置信度和执行率。文章根据交通工具在道路上行驶的实际情况,采用正态分布的随机数对时间不确定性进行了描述,并设计时间满意度函数将调度时间最短问题转化为时间满意度最大问题;在此基础上加入路径费用最小的目标,建立了多目标的应急资源调度优化模型。采用改进后的蚁群算法对该模型进行求解,得到了问题的非劣解集并借助TOPSIS方法选取最优方案;最后通过算例对模型和算法进行了验证。