摘要：在制订车辆行驶路径的过程中,需求的随机性增加了决策的复杂性和难度.在顾客需求不可分割,并且准确的需求量信息在车辆到达该顾客点时才能获知的假设下,研究了一种随机顾客和随机需求量的车辆路径问题(VRPSCD).首先提出了多回路策略,并分析了该策略的渐近性;为了找到高质量的预回路,设计了具有不同邻域结构的模拟退火算法.通过实验不仅验证了多回路策略的有效性,而且表明混合邻域结构模拟退火算法的优越性.

摘要：蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决旅行商问题(TravelingSalesmanProblem,TSP),但同时也存在计算时间长、易出现停滞等缺陷。在分析车辆路径问题(VehicleRoutingProblem,VRP)与TSP区别的基础上,将蚁群算法应用于VRP的求解,通过引入解均匀度、选择窗口以及吸引力等概念对算法的转移策略和更新策略进行改进,构造了具有自适应功能的蚁群算法。实验仿真结果表明所设计的算法具有很强的搜索能力,计算效率较高,能够有效地解决加速收敛与停滞现象之间的矛盾。

摘要：针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。

摘要：利用MATLAB中的GUI设计了单车场联合运输车辆路径问题的仿真优化平台,主要解决危险物资的联合运输优化问题。此平台提供输入和输出界面,输入界面设置了可用车辆的车牌号、车辆的百公里油耗、客户的需求和服务优先级等参数,对应的输出界面输出改进的扫描算法和改进的遗传算法优化的配送方案、配送车辆数和配送费用。最后以郑州煤电物资供销有限公司的物资配送为实例进行了仿真优化,结果验证了此平台的实用性。

摘要：目的设计一种改进的蚁群算法求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP)。方法使用改进的扫描法进行信息素初始化,同时采用了基于罚函数的适应度函数。结果与结论从4个CVRP数据集中选取了不同规模的41个实例进行了参数设置和对比实验,改进蚁群算法性能优于基本的蚁群算法,具有较强的寻优能力,能够有效求解带容量约束的车辆路径问题。

摘要：带软时间窗约束的多车场车辆路径问题在基础上增加了“多车场”与“时间窗”约束条件。本文建立了相应问题的数学模型,在此基础上设计了求解该模型的禁忌搜索算法,将多配车场中心车辆调度问题看作一个复杂的组合优化问题来进行研究。通过实验得出比较优的结果,证明了提出的算法是有效可行的,禁忌搜索算法搜索速度和寻优能力具有优越性。

摘要：提出了一种基于车辆路径问题的改进双种群遗传算法。该改进双种群遗传算法主要通过两个种群同时进行进化操作,并结合新交叉算子和种群交叉策略,以克服传统双种群遗传算法在求解车辆路径问题上所存在的不足。通过仿真实验,将改进的双种群遗传算法与其它几种遗传算法进行比较,改进的双种群遗传算法比其它几种遗传算法显著提高了优化效果。实验结果表明,该算法可以有效求得该问题的优化解,是解决车辆路径问题的好方法。

摘要：针对无向完全图上以极小化行驶路线(环游)总距离为目标函数的距离受限车辆路径问题,将最小二元2-匹配问题与环游拆分和环游整合相结合,提出了一种近似算法。该算法将松弛问题最小二元2-匹配的最优解中距离超过限制的环游进行拆分,距离未超过限制的环游进行整合,以得到距离受限车辆路径问题的环游集合。针对该近似算法,首先通过分析该问题最优解下界与近似算法的上界,证明了算法参数形式的近似比上界;然后通过对近似比上界的证明,说明最大行驶距离与顾客点规模的取值对算法参数近似比的影响较小;最后通过构造实例,进一步说明该算法在此种情况下性能更优。该算法可为城市无人物流配送高效快速算法的设计提供参考。

摘要：设计了求解VRPSDP的粗粒度并行遗传算法(CGPGA),其中遗传算法以最优划分法计算适应值,邻域搜索法作为变异算子,定义了群体多样性结构。并行算法以单向环作为连接拓扑,各子群体独立进行遗传操作,迁移算子用于群体间的信息交流,采用多样性替换的方法进行个体替换。论文给出了CGPGA算法在集群系统上的重复非阻塞MPI实现。对典型VRPSDP实例进行测试的结果表明:CGPGA算法在大部分实例上超过了已知最好解,未达到已知最好解的实例与已知最好解的相对误差不超过1.5%。在计算速度方面,CGPGA算法具有接近线性甚至超线性的加速比,提高了遗传算法的求解速度。

摘要：研究包含时间窗、多车场因素的二维装箱车辆路径问题,建立相应的数学模型,并提出求解该问题的一种新的混合算法,混合算法由量子粒子群算法和引导式局部搜索算法组成。其中,量子粒子群算法用于求解车辆路径问题,引导式局部搜索算法用于求解可行装箱方案。在引导式局部搜索算法中,提出一种基于最小浪费原则的启发式装箱规则,以灵活确定待装货物和装货空间之间的匹配关系,减少重复确定装箱方案所消耗的时间。设计了两组数值试验:第一组基于标准算例库,并将混合算法计算结果与已有文献中的结果进行对比;第二组基于随机生成的新算例,新算例给出多车场和时间窗数据,用于演示混合算法对新模型的计算过程和计算结果。两组数值试验的结果表明,混合算法在效率和性能方面均有较好的表现,计算结果和计算时间均优于已有文献,且混合算法能够较好的求解包含时间窗、多车场因素的二维装箱车辆路径问题模型。