共查询到20条相似文献，搜索用时 31 毫秒
1.
物流配送路径优化是近年来物流领域的重点研究问题.本文针对传统Dijkstra算法在处理结点数较多的应用时存在计算时间和存储空间较大的问题,提出了一种基于改进的蚁群算法的物流配送路径优化算法,构建了物流配送的优化模型,阐述了改进的蚁群算法在物流配送路径优化中的实现.实验结果表明,本算法在物流配送路径优化中是行之有效的. 相似文献
2.
蚁群算法在高校物品配送路径优化中的应用 总被引：1，自引：0，他引：1
在分析高校物流特点的基础上,对高校物流路径优化问题做出合理假设并构造目标函数,鉴于蚁群算法具有良好的正反馈性和并行性,运用该算法求出近似最优解。此算法能快速收敛于全局最优解,可有效地解决带有时间窗约束下的高校物流配送路径优化问题。 相似文献
3.
4.
《内蒙古科技与经济》2017,(22)
为解决企业物流配送车辆的路径优化问题,考虑了影响物流配送成本的主要因素,在此基础上建立了多目标数学模型。为改进节约算法的不足,提出了一种基于两阶段法的车辆路径优化方案,先采用节约算法求得物流配送路径优化问题的初始解,再将初始可行解转化为多旅行商问题对其改进。最后,通过实例验证了该方法可以改善配送车辆的行驶路径,达到节约配送成本的目的,对此类企业的配送业务具有一定的借鉴意义。 相似文献
5.
6.
7.
针对多配送中心煤炭车辆调度问题的复杂性,建立该问题的数学模型并提出合理假设和约束条件,以缩短配送路径降低配送成本为目标构造该问题的目标函数。文章结合实例应用蚁群算法对煤炭配送路径进行优化降低运输成本,通过实验验证了蚁群算法在煤炭配送路径优化问题的有效性。 相似文献
8.
文章针对城市生活垃圾收集路径优化问题,参照物流配送的基本过程,依据单亲遗传算法的基本思想,设计了解决该问题的算法过程,并应用matlab数学软件进行编程运算,计算结果比较理想. 相似文献
9.
《科技通报》2016,(6)
基于智能仿生计算的蚁群优化算法在路径规划问题中具有较好的应用前景,通过蚁群算法优化,实现机器人路径规划和应急救援的路径规划等。传统的基于蚁群算法的路径规划在信息素转换中容易导致信息丢失,产生局部收敛,提出一种基于信息素多目标Pareto支配的蚁群优化算法实现路径规划,利用信息素多目标Pareto集合序列的均匀遍历特性和逻辑差分变尺度特征,进行变尺度搜索,根据蚁群优化算法一次次地更新搜索空间,结合负反馈机制,通过蚂蚁的信息素转化进行路径分析,采用Pareto支配集记录下最优的食物源,蚁群在寻找食物过程中,避免了局部寻优和局部收敛,仿真结果表明,采用该算法进行蚁群优化后的路径规划避障效果较好,以较快的收敛速度和较少的迭代次数找到最优路径,收敛性好。 相似文献
10.
介绍了一种求解复杂组合优化问题的新型的模拟进化算法——蚁群算法。阐述了该算法的基本原理、模型以及实现过程,并且介绍了蚁群算法在TSP问题、二次分配问题、车间作业调度问题、大规模集成电路综合布线以及车辆路径问题等组合优化问题中的应用思路。 相似文献
11.
12.
人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算汝在求解一系列困难的组合优化问题上取得成效,成为解决TSP,VRP,QAP,JSP等典型问题的一种新型的强有力算法.本文对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法以及应用等进行了系统的论述. 相似文献
13.
14.
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法.基于群体的协作与学习,该算法已经成功地解决诸如TSP问题等多种组合优化问题.本文提出了一种改进蚁群算法.该算法根据人工蚂蚁所获得解的情况,应用一种选择策略,从而使得算法跳离局部最优解,并采用局部搜索,以获得更好的优化解.通过仿真实验获得的结果表明,该算法对于蚁群算法具有较好的改进效果. 相似文献
15.
《内蒙古科技与经济》2019,(19)
物流配送车辆路径优化作为涉及多个影响因素和多目标要求的组合优化问题,其中具有时间窗约束的物流配送车辆路径问题是一个NP难问题。文章给出了基于时间窗约束的车辆配送路径优化模型,改进了传统的C-W节约算法,并与传统的C-W节约算法进行实例比较验证,讨论了各种方案的优劣,给出了切合实际需要的配送方案。 相似文献
16.
针对危险化学品运输存在的事故风险和事故成本比较大的问题,考虑危险化学品的运输特殊性,构建一个危险化学品运输的车辆路径优化模型,利用改进蚁群算法和进行模型求解。以京F公司的13个客户作为配送点,根据每个配送点的地理位置坐标、需求量、危险品运输车辆禁行路线等数据,分别采用基本蚁群算法和改进蚁群算法对运输路径进行优化,实验结果证明改进后的蚁群算法有效降低了京F公司的危险化学品运输的物流成本,保证蚁群在搜索路径时快速收敛。 相似文献
17.
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。 相似文献
18.
19.
20.
针对传统的蚁群算法设计机器人避障路径规划,自适应能力差,全局优化能力和搜索速度不好的问题,在传统算法的基础上,提出一种采用奖惩规则格栅建模的机器人避障规划算法。提出构建模型主体的行为规则和避障规则,通过在栅格环境中设置量子遗传进化的多个有效的行为规则,设计了信息素更新的奖惩规则,修改其路径上的信息素,改变量子本身携带的信息素,得到优化避障最小距离。最终获得了复杂环境下的最优路径。仿真实验表明采用该算法进行机器人避障路径规划,在未知复杂环境下能够快速地规划出安全的优化路径,机器人避障路径规划具有很好的自适应性,相比传统的蚁群算法,其全局优化能力和搜索速度都得到了显著提高。 相似文献