协同进化遗传算法求解带时间窗的车辆路径问题

车辆路径优化是物流组织,交通调度的关键环节,是一个典型的有约束的组合优化问题。单独使用标准遗传算法及其改进算法解决VRP问题时也存在局部收敛的不足,因此通过引入协同进化算法,达到克服一般遗传算法容易早熟的毛病,从而在搜索空间发掘最优解。     

基于行程时间可靠度的交通方式格序决策

城市居民出行选择交通方式时,尤其是在高峰期,公交车、出租车往往由于过长的等待时间而被放弃选择。鉴于此,文章定义了预支行程时间和行程时间可靠度,给出了基于预支行程时间、行程时间可靠度、行程费用、安全度、舒适度、便利度6因素的城市居民交通方式选择。基于交通方式选择的客观因素与主观因素并存特性,给出了信息熵与个体权重结合的权重确定方法,提出了多目标格序决策对交通方式选择进行研究的方法。实例说明了该方法有效性。     

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。     

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。     

班轮服务网络时间可靠性统计方法研究

文章从集装箱班轮航运网络服务质量分析角度,运用抽样统计思想和仿真方法,分析港口随机发生的干扰事件对班轮服务网络运作时间因素的影响,建立了时间可靠性仿真模型,并给出模型求解方法,可用于优化和设计可靠的班轮服务网络。     

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.     

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。     

习络生成过程中的最短路径算法

文章根据网络生成的规则和特点,在充分结合动态网络实时更新的邻接矩阵的基础上,给出了一种时间复杂度较小的网络生成过程中的最短路径算法。该算法大大节省了重复计算最短路径的时间,提高了相关网络特征的研究效率,为研究复杂网络模型的合理性提供了有利的工具。     

模糊理论在VRPTW问题上的蚁群算法研究

本文以模糊理论(fuzzy theory)为基础,将含时间窗限制车辆路径问题中的时间变量一一转换为模糊型态,并利用蚁群算法进行模糊运算,以寻求最小成本的最佳车辆路径.     

基于零售商系统的存贮路径问题研究

文章对基于零售商的存贮路径问题满足客户要求所需配备的配送汽车的平均数最小作为目标,确定配送中心所需运输车队的适当规模,使它不仅满足配送的需要,还要尽量降低运输车队运营成本,也就是协调确定运输规模、运营成本与服务质量之间的关系。并设计和运用启发式算法来确定最佳配送路线、配送频率和各客户的配送量。     

基于GIS的物流配送系统车辆调度研究

文章通过深入研究C-W算法并对该算法进行改进,考虑时间约束,设计了解决混合时间窗问题的启发式算法,结合地理信息系统(GIS)建立相应的数学模型并对供应链中物流配送车辆调度系统和行车路径进行优化。通过实证分析验证了该模型和算法的有效性,对该领域的进一步研究奠定了基础。     

基于蚁群优化神经网络的支持向量机预测方法研究

本文利用蚂蚁算法训练神经网络的权值和阈值,蚁群优化神经网络克服了人工神经网络预测精度低的缺点,在取得最小拟合误差的同时可以得到最小的预测误差。在此基础上提出以支持向量机方法为主、多方法融合的智能预测系统,对电网负荷预测进行了动态预测。实际算例验证了这一智能预测系统的精确性。     

允许订单延后的易腐品库存——路径问题研究

在一个供应商供应单一产品给多个零售商的一体化决策的供应链中,假设各个零售商的需求率已知,产品在零售阶段存在腐败且允许缺货,优化的目标是确定为每个零售商送货的配送路径、配送周期以及不缺货时间。文章通过建立数学模型,证明了目标函数的性质,给出了不考虑约束时最优解满足的条件;以改进的节约算法生成路径,结合各极值点的特定约束,设计求解步骤对该问题进行了求解;通过算例说明了允许缺货对最优配送策略的影响。     

基于改进BP神经网络的时间序列补缺及预测

对BP神经网络的改进方式和网络参数确定进行分析,以青海省各月份经济统计中的时间序列问题为实验对象,分别采用动量项自适应学习率法和LM-BP算法,利用神经网络完成数据补缺及数据预测。该方法无须确立时间序列模型,便捷高效。最后对两种方法的训练情况和实验结果进行了比较和分析。     

基于蚁群算法的生态工业园区环境效益评价

文章运用蚁群算法对与生态工业园区环境效益相关的分类指数公式和综合指数公式进行优化,并构建了环境效益评价模型。以中国平煤神马能源化工集团生态工业园区为例,借助MATLAB7.0软件分别从系统结构类、资源利用类、环境效果类以及经济效果类四个方面对其环境效益进行评价,确定了生态建设前后工业园区环境效益等级。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

项目调度中的离散时间-费用平衡问题探讨

文章针对属强NP-hard的离散时间-费用平衡问题,对其进行分类研究,第一类是确定型网络的时间-费用平衡;第二类是随机型网络的时间-费用平衡.在此基础上,重点研究了近年来用元启发式算法求解离散时间-费用平衡问题的研究进展.最后,指出了该问题需进一步研究的方向.     

求解作业车间调度问题的改进蚁群算法

作业车间调度问题是一个典型的NP-HARD问题,也是一个前沿性的研究课题,已受到学术界和工业界的广泛关注.文章采用了一种改进蚁群算法来求解作业车间调度问题.首先应用蚁群算法获得一些作业车间调度问题的较优解(调度方案);然后这些调度方案中挖掘出一些有用的调度知识;最后应用这些调度知识来辅助蚁群算法完成后续的优化过程.通过将调度知识有效地融入到蚁群算法中,使得改进蚁群算法在优化效率上大大改进.     

非线性时间序列ARMA模型的优化估计法

本文提供了一种ARMA模型参数的优化估计法—NLBFGS算法,它收敛速度快,且只须一阶导数的信息,不需求逆矩阵,和具有超线性收敛性等优点。而且本文给出实例的MATLAB程序,并利用t统计量对ARMA模型参数估计进行了检验:拟合模型效果显著。     

基于时间竞争的业绩评价指标

新的竞争重点和竞争战略使得将时间作为重要的业绩评价指标进行管理。本文首先分析了原有以成本为基础的传统业绩评价体系在时间的竞争条件下所表现出来的不适应性,讨论了时间作为业绩评价工具所具有的管理优势,然后对构建以时间为核心业绩评价体系的必要性和可行性进行了探讨。