摘要：研究一个仓库下,同质车队具有最大负载能力限制,客户同时具有送货与取货需求,产品以原有形态回收的逆向物流车辆路径问题,建立了带车辆最大行程约束的VRPSPD问题的混合整数规划模型;在蚁群系统算法的基础上,采用了基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略,针对VRPSPD问题车辆负载量不断波动的复杂特性,设计了考虑车辆负载使用率的启发式因子;考虑车辆出仓载货量的初始化与剩余客户的送取货需求量相关,并在一定范围内随机取值.实例运算的结果表明,该算法对于求解带车辆最大行程约束的VRPSPD问题,可以有效提高车辆的负载率,避免因负载波动和最大负载能力约束而增加车辆总行程,在可接受的计算时间内收敛到满意解.

摘要：建立了带车辆最大行程约束的同时送取货车辆路径问题的混合整数规划模型;采用了基于排序的蚂蚁系统和最大最小蚂蚁系统的信息素更新策略;设计了基于车辆剩余装载能力的启发信息策略,可在满足车辆负载的限制下,提高车辆的负载利用率;并在改进阶段使用了节点交换的局部搜索策略,以提高算法收敛速度.仿真结果表明本文算法能够在可接受的计算时间内得到满意解.

摘要：基于钢铁企业的合同计划管理要求,建立了以产能平衡和最小化拖期提前总惩罚为目标的多目标数学规划模型,综合考虑了工序的前序关系、工序的产能和库存的约束。将生产合同与生产工序转换为节点图,从而将合同计划问题抽象成一种改进的旅行商问题。根据模型和问题的特点设计了带交货期启发信息的蚁群算法,并以钢厂实际合同数据为例进行实验。结果表明,改进蚁群算法获得的最好解和计算成本都比较令人满意,模型和算法是有效的。

摘要：将热轧批量计划编制问题归结为奖金收集的车辆路径问题,按照热轧工艺规程,同时考虑轧制计划中钢板宽度、厚度的反跳约束,设计了反跳惩罚表,提出一种多目标数学规划模型,即最小化轧制计划数、最小化惩罚值、最小化未轧制板坯数.应用粒子群(PSO)算法进行求解,对PSO算法的求解过程进行了改进,使其适用于热轧批量计划问题,在实验中测试了算法的参数(惯性权重、加速因子)对解的影响,并进行了实验分析,获得了满意的结果.实验表明,经过改进的PSO算法所获得的最优解以及平均使用时间上都是有效的.

摘要：研究逆向物流车辆路径(VRPSPD)问题,建立了VRPSPD问题的混合整数规划模型。利用启发式算法的特点构造求解VRPSPD问题的一种协同PSO_SA算法,设计了该算法初始种群的编码规则、信息交换策略、2-opt邻域解生成策略和SA算法中的冷却进度表规则。实验过程以典型算例为例进行了实验,并对重要参数进行了分析。实验结果表明,该算法对于求解VRPSPD问题,可以有效提高车辆的负载使用率,避免因负载波动和最大负载能力约束而增加车辆总行程,在可以接受的迭代次数限制内可以收敛到满意解。