內容簡介
本書所研究的定位一運輸路線安排問題(LRP)是集成化物流繫統中路徑優化問題的一個重要分支,是任何一個大型物流配送企業必須要面臨的問題。文中重點要解決的是物流配送路徑問題(LRP,VRP)的多目標優化求解算法和優化調度控制方法;采用智能優化算法(遺傳算法等啟發式搜索技術)同時結合聚類分析理論,求解物流配送優化路徑問題。
本書研究工作的主要內容可以概括如下: 1.完成了物流配送路徑問題研究綜述,提出了基於運籌學基礎的LRP問題模型的表示方法,建立了單目標LRP問題和多目標LRP問題的O—l混合整數規劃模型。
2.根據集成化物流中的定位一配給問題的特點,提出了基於小波分析的啟發式算法,仿真實例證明此算法能夠有效地解決中、小規模的實際問題。
3.提出了解決集成化物流中的運輸一車輛路線安排問題的聚類一改進遺傳算法。此算法提出一種首先用優先級綜合聚類分析法將客戶分類,然後用帶有控制開關繫統的改進遺傳算法求解多目標VRP的優化方法。該方法構造了一種*開關,以此控制遺傳算法中的變異運算,增加了群體的多樣性,從一定程度上避免了遺傳算法中的“局部*現像”的發生。通過計算機仿真實驗,證明了該算法的有效性和準確性。本書所研究的定位一運輸路線安排問題(LRP)是集成化物流繫統中路徑優化問題的一個重要分支,是任何一個大型物流配送企業必須要面臨的問題。文中重點要解決的是物流配送路徑問題(LRP,VRP)的多目標優化求解算法和優化調度控制方法;采用智能優化算法(遺傳算法等啟發式搜索技術)同時結合聚類分析理論,求解物流配送優化路徑問題。
本書研究工作的主要內容可以概括如下: 1.完成了物流配送路徑問題研究綜述,提出了基於運籌學基礎的LRP問題模型的表示方法,建立了單目標LRP問題和多目標LRP問題的O—l混合整數規劃模型。
2.根據集成化物流中的定位一配給問題的特點,提出了基於小波分析的啟發式算法,仿真實例證明此算法能夠有效地解決中、小規模的實際問題。
3.提出了解決集成化物流中的運輸一車輛路線安排問題的聚類一改進遺傳算法。此算法提出一種首先用優先級綜合聚類分析法將客戶分類,然後用帶有控制開關繫統的改進遺傳算法求解多目標VRP的優化方法。該方法構造了一種*開關,以此控制遺傳算法中的變異運算,增加了群體的多樣性,從一定程度上避免了遺傳算法中的“局部*現像”的發生。通過計算機仿真實驗,證明了該算法的有效性和準確性。
4.分別設計了求解單目標定位一運輸路線安排問題(LRP)的兩階段啟發式算法和聚類一混沌搜索混合算法。仿真實驗證明了兩階段啟發式算法可在一定程度上避免“局部*解”的出現;而聚類一混沌搜索混合算法有利於快速尋找*解。這兩種方法有效地解決中、小規模的LRP問題,並為大規模解決實際問題提供思路。
5.針對多目標LRP的復雜性,分別設計了嵌入混沌搜索的遺傳算法和嵌入模糊規則的遺傳算法求解多目標LRP問題。這兩種算法有利於解決實際物流配送多目標LRP問題。
6.構建了多目標LRP問題優化調度繫統設計模型,為進一步建立物流配送路徑優化仿真調度繫統奠定基礎。
本書研究工作的主要內容可以概括如下: 1.完成了物流配送路徑問題研究綜述,提出了基於運籌學基礎的LRP問題模型的表示方法,建立了單目標LRP問題和多目標LRP問題的O—l混合整數規劃模型。
2.根據集成化物流中的定位一配給問題的特點,提出了基於小波分析的啟發式算法,仿真實例證明此算法能夠有效地解決中、小規模的實際問題。
3.提出了解決集成化物流中的運輸一車輛路線安排問題的聚類一改進遺傳算法。此算法提出一種首先用優先級綜合聚類分析法將客戶分類,然後用帶有控制開關繫統的改進遺傳算法求解多目標VRP的優化方法。該方法構造了一種*開關,以此控制遺傳算法中的變異運算,增加了群體的多樣性,從一定程度上避免了遺傳算法中的“局部*現像”的發生。通過計算機仿真實驗,證明了該算法的有效性和準確性。本書所研究的定位一運輸路線安排問題(LRP)是集成化物流繫統中路徑優化問題的一個重要分支,是任何一個大型物流配送企業必須要面臨的問題。文中重點要解決的是物流配送路徑問題(LRP,VRP)的多目標優化求解算法和優化調度控制方法;采用智能優化算法(遺傳算法等啟發式搜索技術)同時結合聚類分析理論,求解物流配送優化路徑問題。
本書研究工作的主要內容可以概括如下: 1.完成了物流配送路徑問題研究綜述,提出了基於運籌學基礎的LRP問題模型的表示方法,建立了單目標LRP問題和多目標LRP問題的O—l混合整數規劃模型。
2.根據集成化物流中的定位一配給問題的特點,提出了基於小波分析的啟發式算法,仿真實例證明此算法能夠有效地解決中、小規模的實際問題。
3.提出了解決集成化物流中的運輸一車輛路線安排問題的聚類一改進遺傳算法。此算法提出一種首先用優先級綜合聚類分析法將客戶分類,然後用帶有控制開關繫統的改進遺傳算法求解多目標VRP的優化方法。該方法構造了一種*開關,以此控制遺傳算法中的變異運算,增加了群體的多樣性,從一定程度上避免了遺傳算法中的“局部*現像”的發生。通過計算機仿真實驗,證明了該算法的有效性和準確性。
4.分別設計了求解單目標定位一運輸路線安排問題(LRP)的兩階段啟發式算法和聚類一混沌搜索混合算法。仿真實驗證明了兩階段啟發式算法可在一定程度上避免“局部*解”的出現;而聚類一混沌搜索混合算法有利於快速尋找*解。這兩種方法有效地解決中、小規模的LRP問題,並為大規模解決實際問題提供思路。
5.針對多目標LRP的復雜性,分別設計了嵌入混沌搜索的遺傳算法和嵌入模糊規則的遺傳算法求解多目標LRP問題。這兩種算法有利於解決實際物流配送多目標LRP問題。
6.構建了多目標LRP問題優化調度繫統設計模型,為進一步建立物流配送路徑優化仿真調度繫統奠定基礎。