针对军事运输中有硬时间窗的车辆路径问题(vehicle routing problem with hard time windows,VRPHTW),结合混合交叉运算、改进变异运算和精英保留策略,以所有车辆的配送总时间最少为目标,设计了改进遗传算法。借鉴贪婪思想,提高了初始...针对军事运输中有硬时间窗的车辆路径问题(vehicle routing problem with hard time windows,VRPHTW),结合混合交叉运算、改进变异运算和精英保留策略,以所有车辆的配送总时间最少为目标,设计了改进遗传算法。借鉴贪婪思想,提高了初始种群的优越性;构造了迭代种群的入口矩阵和出口矩阵,并以此为基础提出改进交叉算子,期间引入前向插入法设计了混合交叉运算,加快了种群的寻优速度;同时提出改进变异算子,增加了种群的多样性。实验结果表明,改进遗传算法较之基本算法有着更快的收敛速度和更优的收敛效果。展开更多
随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem,SDIRP)即考虑随机需求环境下供应链中库存与配送的协调优化问题,是实施供应商管理库存策略过程中的关键所在,也是典型的NP难题之一。文章以具有硬时间窗约束的随机...随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem,SDIRP)即考虑随机需求环境下供应链中库存与配送的协调优化问题,是实施供应商管理库存策略过程中的关键所在,也是典型的NP难题之一。文章以具有硬时间窗约束的随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem with Hard Time Windows,SDIRPHTW)为研究对象,将SDIRPHTW分解为直接配送的随机库存-路径问题和具有硬时间窗约束的路径优化问题两个子问题,并以最小化系统运行成本和用车数量为目标,设计了一个基于(s,S)库存策略和修正C-W节约法的启发式算法。最后,通过相应的数值算例验证了算法的有效性。展开更多
文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的...文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。展开更多
文摘针对军事运输中有硬时间窗的车辆路径问题(vehicle routing problem with hard time windows,VRPHTW),结合混合交叉运算、改进变异运算和精英保留策略,以所有车辆的配送总时间最少为目标,设计了改进遗传算法。借鉴贪婪思想,提高了初始种群的优越性;构造了迭代种群的入口矩阵和出口矩阵,并以此为基础提出改进交叉算子,期间引入前向插入法设计了混合交叉运算,加快了种群的寻优速度;同时提出改进变异算子,增加了种群的多样性。实验结果表明,改进遗传算法较之基本算法有着更快的收敛速度和更优的收敛效果。
文摘随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem,SDIRP)即考虑随机需求环境下供应链中库存与配送的协调优化问题,是实施供应商管理库存策略过程中的关键所在,也是典型的NP难题之一。文章以具有硬时间窗约束的随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem with Hard Time Windows,SDIRPHTW)为研究对象,将SDIRPHTW分解为直接配送的随机库存-路径问题和具有硬时间窗约束的路径优化问题两个子问题,并以最小化系统运行成本和用车数量为目标,设计了一个基于(s,S)库存策略和修正C-W节约法的启发式算法。最后,通过相应的数值算例验证了算法的有效性。
文摘文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。
