VRP车辆路由问题

ShuYunBIGDATA 2023-01-13 00:29:51

课时名称	课时知识点
VRP车辆路由问题	VRP车辆路由问题

...全文

129 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

VRP-TCC-RSS #VRP（车辆路由问题）的时间和容量限制以及RSS 最新程序： Geocordinate_distance.py 解决RSS问题有不同的阶段。程序的使用顺序将尽快更新。已经开发的一些功能是： Complete_graph.py：结合了Dijkstra的算法，networkx库和Floyd-Warshall算法 Constraints.py：此算法以递归方式实现Networkx图的约束 Adding_loc.py：这是用于优化路线的程序。包含5个功能 Geocordinate_distance.py：此函数使用纬度和经度计算实际距离。在地球表面上实现“完整图形”功能。然后可以在Google地图中可视化坐标

VRP_GA 遗传算法（GA）的车辆路径问题（VRP）该存储库提供了程序和模块来解决具有遗传算法的车辆路径问题。编译对于Windows用户，请使用MinGW-win64安装gcc / g ++编译器；对于Liunx用户，请使用apt-get安装g ++。对于Windows用户： g++ -O2 ga.cpp get-config.cpp main.cpp -o run.exe 对于Linux用户： g++ -O2 ga.cpp get-config.cpp main.cpp -o run.out 行刑对于Windows用户： run.exe 对于Linux用户： ./run.out 结果可视化：数据可视化需要安装了numpy和matplotlib软件包的Python2.7或Python3.6 程序可以将最佳路由策略输出到optimal_strategy.c

论文研究-随机需求情形VRP的退火网络解法.pdf, 随机需求情形下的车辆路由问题 ( VRP)是一种普遍存在而求解较为困难的运筹学问题 .模拟退火算法 ( SA)和 Hopfield神经网络解法是解决该问题的两个较好的方法 .本文采用一种改进了的平均场退火方法 ( MFA) ,该方法将模拟退火算法 ( SA)和 Hopfield神经网络解法相结合 ,加速了神经网络的收敛并具有与模拟退火算法 ( SA)相当的精度 .

车辆路径开源优化机好的解决方案，快速。关于 VROOM是用C ++ 17编写的开放源代码优化引擎，旨在在较短的计算时间内为各种现实的（VRP）提供良好的解决方案。该项目已由发起，其。支持的问题类型 VROOM可以解决几种众所周知的车辆路径问题（VRP）。 TSP（旅行商问题） CVRP（电容式VRP） VRPTW（带时间窗的VRP） MDHVRPTW（多站点异构车辆VRPTW） PDPTW（TW的提货和运送问题） VROOM还可以解决上述问题类型的任何混合问题。特征 VROOM对VRP进行建模，该描述具有资源（ vehicles ），单地点取件和/或交付任务（ jobs ）以及应该在同一路线（ shipments ）中发生的取件和交付任务的描述。作业和发货任意数量指标的投放/提取金额服务时间窗口服务期限技能专长优先事项车辆任意数量指标的容量技能专长

节点或工具用于或工具旅行推销员问题（TSP）和车辆路径问题（VRP）求解程序的NodeJS绑定。有关文档，请参见解决TSP和VRP问题总是从为所有位置之间的所有成对路由选择一个mxm成本矩阵开始。我们建议您在优化旅行时间时使用服务。快速开始 npm install node_or_tools var ortools = require( ' node_or_tools ' ) var VRP = new ortools.VRP(solverOpts); VRP.Solve(searchOpts, function (err, solution) { // .. }); 有关接口文档，请参阅；有关小型独立，请参见示例。我们提供了预先构建的本机二进制文件（适用于Linux和macOS上的Node.js LTS 4和6）。您将需要兼容的C ++ stdlib，如果

任大勇的课程社区_NO_3

1

社区成员

524

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