摘要：为满足B2C电子商务中高效率、低成本配送需求,建立了两级定位-路径问题的三下标车流模型,提出了一种求解该问题的变邻域粒子群算法。该算法引入路径重连思想,将粒子群算法中粒子动态更新设计为当前解的邻域搜索、当前解与个体历史最优解之间的路径重连、当前解与种群历史最优解之间的路径重连;在此基础上,提出变邻域搜索策略,动态改变邻域结构以拓展搜索空间。实验结果表明,该算法能有效求解两级定位-路径问题。

摘要：共享单车是我国大力提倡的低碳交通出行模式,加快共享单车发展是解决最后一公里、城市拥堵和环境污染等问题的重要途径。由于人们停放共享单车的无规律性,使得共享单车系统中各车桩的单车库存量存在不平衡。如何合理的对车桩中的单车进行重新调配,来满足用户的需求,是相关企业亟待解决的问题。共享单车的调配路线优化是优化车桩库存量的重要手段之一。本文研究多仓库条件下的货车调配路线优化问题,建立了一个混合整数非线性规划模型。不同于传统的路径优化问题的研究大多是以成本或时间为目标,本文采用基于车桩库存量的非线性惩罚函数来表示用户需求,从而使得所研究的问题是一个凸函数优化问题。为了简化本文的问题,将目标函数分段线性化。基于车桩网络的特点,设计了变邻域搜索算法,以及构建初始解的贪婪算法。最后,以某共享单车公司为例,进行算例分析,来说明模型和算法的合理性和有效性。

摘要：分析大型产品在双边布局拆卸线上的作业情形，构建双边拆卸线平衡问题优化模型，并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点，设计了基于一维正负整数排列的染色体编码方式，以节省存储空间；在个体进化时采用变邻域搜索策略，以拓展搜索范围提高搜索质量；通过设置扰动阈值对个体实施干扰，以加快跳出局部最优。最后，采用不同规模算例验证所提算法的高效性。

摘要：通过引入比能耗,首次将载货量和行驶距离同时作为电动汽车能耗的影响因素进行分析,并着重强调了载货量在电动汽车路径规划中的重要性。以电动汽车固定使用成本和能耗成本所构成的总成本最小为优化目标,建立了装卸一体化电动汽车路径问题的混合整数规划模型,并提出了基于变邻域搜索和模拟退火的混合启发式求解算法。为测试算法的有效性,设计了不同规模的测试算例,其中小规模算例的求解结果与CPLEX一样好,大规模算例可以在短时间内给出具有良好鲁棒性的解。企业实际算例和充电策略分析结果进一步验证了算法的有效性。

摘要：提出了一种同时配送和回收需求的带容量约束的弧路径问题(CARPSPD),建立了该问题的基于直观描述的数学模型,设计了求解该问题的构造启发式算法与变邻域搜索算法。前者利用基于路径扫描的构造方法产生弱可行解,再转换成强可行解;后者采用5种邻域结构混合进行局部搜索,并采用了一种分层的局部搜索策略,扩大了算法的搜索空间。两种算法在23个基准数据集上的求解结果表明,变邻域搜索算法在稳定性与解的质量等方面都优于构造启发式算法,能更有效地求解CARPSPD。

摘要：物流柜与无人机协同配送是一种“非接触”配送模式,自动化程度高,具有广阔的应用前景。本文研究了该模式下的最小完工时间调度问题,即如何制定无人机的飞行路线和物流柜上的服务顺序,使得配送任务在尽可能短的时间内被执行。该问题是一个车辆路径与机器调度耦合的复杂优化问题,其建模和求解具有一定的难度。本文建立了问题的有向图逻辑模型,将原问题转变为有向图上的弧选择和时间确定问题,并建立了0-1混合整数线性规划数学模型,设计了对应的变邻域搜索算法,选取中国9座城市构造了高仿真算例,验证了模型和算法的有效性。

摘要：从成本经济角度研究活动工期随机中断下前摄性调度与反应性调度在应对不确定因素干扰中的集成优化问题,目标是最小化项目计划与实施过程的总成本。构建以总成本最优为目标的前摄性与反应性调度集成优化模型;针对模型特征设计混合变邻域随机禁忌搜索启发式算法,并在ProGen生成的算例上进行全因子测试。结果表明:基于随机属性的混合启发式算法在算例规模较大时可以发挥较好的作用;通过合理设置基准进度中缓冲分配方案,可以通过牺牲部分鲁棒性的方式获得项目总成本的最优。

摘要：针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规则生成高质量种群;其次,根据灰狼优化(Grey Wolf Optimization,GWO)算法的社会等级制度,提出一种基于种群规模的自适应社会等级制度分布策略,以提高算法求解速度和稳定性;然后,设计一种新的狼群捕猎和猎物搜索机制,保证种群多样性的同时提高算法的全局探索能力;此外,提出融合基于关键路径和均衡机器负载2种邻域结构的变邻域搜索策略,提高算法的局部搜索能力;最后,通过标准算例验证算法的有效性和可行性。

摘要：针对柔性作业车间调度问题的特点,建立了以最小化最大完成时间、总机器负载最小和最大机器负载最小为目标的数学模型,提出一种改进遗传算法求解该问题。采用多种启发式方法提高初始解的质量;设计了并行双链式编码,避免产生非法解,并提出最优插入法的解码方式提高解的质量;采取IPOX交叉与多点交叉,继承父代优秀基因的同时,平衡了算法的全局开发能力;在不同编码层采用多种变异手段维持种群的多样性;通过变邻域搜索强化算法的局部开发能力。最后,通过求解Brandimarte标准算例和与其他算法的对比,从单目标和多目标2个方面验证算法的可行性和有效性。

摘要：针对带阶梯恶化的置换流水车间问题(PFSP-SD),考虑到工件的实际加工时间是其开工时间的阶梯函数,提出了一种融合变邻域搜索过程、NEH启发式和遗传算法的混合启发式算法以最小化总拖期。在该算法中,引入基于提前交货期规则的NEH(NEHedd)启发式改进初始种群,设计了遗传算法的部分片段交叉和反转逆序变异操作以得到改进的GA解,进而提出了基于四种邻域生成机制的变邻域搜索过程以进一步提高解的质量。实验测试表明,利用NEHedd生成40%的初始种群效果最好;针对不同规模问题,用NEHedd、NEHedd_GA、VNS以及NEHedd_GA_VNS进行仿真测试。实验结果表明,所提算法能有效提高解的质量,在求解PFSP-SD时具有明显优势。