基于时间约束的物流车辆调度算法研究与实现

TDYX_87 2010-05-23 04:50:50

具体要求：

车辆调度问题主要探讨组织的行车路线能否使车辆在满足一定的约束条件下,有序地通过一系列装货点或卸货点,达到诸如路程最短、费用最小、耗费时间尽量少等目的。启发式算法是指一种基于直观或经验构造的算法,目标是在可接受的花费(计算时间、占用空间等)下得出待解决问题的满意解。要求：1）建立数学模型；2）构造一种免疫算法来求解；3）建立原型系统。

帮忙看下这题该怎么做啊

...全文

231 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

为了获得更加理想的配送车辆调度方案，提出一种基于种群分类粒子群算法的配送车辆调度优化方法。首先建立多约束配送车辆调度的数学模型，并以配送路径最短作为目标函数，然后采用粒子群算法对模型进行求解，并对每次迭代产生的粒子群进行分类，根据分类结果对粒子群进行不同的操作，加快了算法的搜索速度，以避免陷入局部最优，最后进行仿真对比实验。结果表明，种群分类粒子群算法获得比较理想的配送车辆调度方案，具有一定的实用价值。

针对在现有邮路运输的基础上加载一体化物流项目后的邮政物流车辆调度与路径选择优化问题，建立了基于硬时间窗、车辆混合搭载、往返归集的多目标邮政物流车辆路径问题数学模型，以四川邮政雅芳一体化混合物流2008年5月的数据为例，利用自适应的多态蚁群算法对带时间约束多目标混合邮政物流VRP进行了求解。结果表明多态蚁群算法可以求解多目标邮政物流VRP，能提高收敛速度和寻优性能。

针对物流配送实时仓储车辆调度问题，提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型，运用免疫萤火虫优化算法求解该模型，免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合，采用多层进化模式，在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略，以提高算法全局收敛效率，在此基础上设计了仓储车辆动态调度框架，将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段，给出了车辆动态调度任务处理流程。实验仿真表明，该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。

采用近似动态规划(ADP)方法对钢铁物流运输过程中的车辆调度问题进行了分析, 设计了车辆和运输货物的状态向量空间、动作向量空间等, 充分考虑运输成本和能力约束, 建立状态转移函数、目标函数, 并对近似动态规划算法进行改进。在基于决策后状态的ADP算法的基础上, 采用Boltzmann探索策略对所有的状态空间进行遍历, 避免局部最优和低效问题。通过对比实验, 比较Q学习算法、基于决策后状态的ADP算法以及采用Boltzmann探索策略的ADP算法的实验结果, 证明了采用Boltzmann探索策略的ADP算法具有更快的收敛速度, 执行效率更高。

双约束编码遗传算法在车辆调度优化中的应用，杜彬贤，尹军，依据某物流企业车辆调度的实际情况，建立了考虑卸货时间因素的带硬时间窗车辆调度问题的数学模型，针对该模型，提出了一种基于载

其它技术问题

3,881

社区成员

9,054

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章