导读:本文包含了有时间窗装卸问题论文开题报告文献综述及选题提纲参考文献，主要关键词:装卸一体车辆路径问题,布谷鸟算法,信息素导向,动态发现概率
有时间窗装卸问题论文文献综述
戚艳君,陈超,高杨军,刘正元[1]（2017）在《求解软时间窗装卸一体车辆路径问题的布谷鸟算法》一文中研究指出带软时间窗的装卸一体车辆路径问题是组合优化中典型的NP-hard问题,针对标准布谷鸟搜索算法后期收敛速度慢,容易陷入局部最优的缺陷,提出了节约算法和随机概率混合的初始化改进策略以及动态发现概率和信息素导向变异机制的改进策略,通过标准测试函数对算法进行定量测试,证明了改进布谷鸟搜索算法的性能优势。将改进的算法应用于求解带软时间窗装卸一体的车辆路径问题,并与现有的优秀算法进行对比,验证了改进的布谷鸟搜索算法在实际工程领域的优越性。(本文来源于《空军工程大学学报(自然科学版)》期刊2017年06期）
徐煜[2]（2017）在《基于混合时间窗的公路货运多点装卸路径优化问题研究》一文中研究指出公路货物运输是现代运输的主要方式之一,在物流运输领域发挥着重要的作用。据统计,我国的公路货运在所有交通运输方式中的占比约80%。回顾我国公路货运的发展历史和目前整体发展水平可以发现,尽管我国公路运输成本相比国外并不高,但相对低廉的成本背后,庞大而低效的物流体系运转不能被忽视。提高分散运输的匹配调度及运载效率、降低运输车辆的空载率仍显得任重道远。近几年随着互联网技术的发展,一些新背景下的新模式也在不断推动着传统货运业向现代物流业逐步转型,如传化公路港、班车货运模式等。互联网时代的到来使得货物的信息来源更为透明,逐步发展起来的信息传输和数据处理等技术也使得车辆的定位、调度、联通等技术都有了进一步发展的空间。从现实情况考虑,众多中小型货主的货物运输需求可能在运输方向上存在着一致性,普通重货一般也满足混装条件。因此对于空车返程或是非满载出发的货运车辆而言,本研究提出了多点装卸货的运输方式,即将车辆运力与货物需求的进行匹配、组织多点装货和卸货,以减少传统的一票到底的单点装卸运输方式造成的低效和资源浪费,同时也有助于改善目前司机的收入情况,也更能够充分发掘运力,使得目前有效运力不足、实载率较低的现状有所改善。因此,本研究主要的研究对象为公路货运中的多点装卸货路径优化问题,在现有研究成果的基础上,建立了基于混合时间窗的单车辆多点装卸货路径优化模型,并设计了对应的两阶段算法进行求解,即基于改进粒子群算法的匹配阶段算法和基于改进遗传算法的路径优化算法,最后用算例进行了模型和算法的可行性和有效性检验。研究的最后,对研究的创新点和结论进行了阶段性总结,并对该领域值得进一步研究的方向与问题进行了展望。(本文来源于《南京大学》期刊2017-05-24）
周蓉,沈维蕾[3]（2016）在《软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法》一文中研究指出文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。(本文来源于《合肥工业大学学报(自然科学版)》期刊2016年08期）
周蓉,沈维蕾,刘明周,赵韩[4]（2016）在《带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法》一文中研究指出为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。(本文来源于《中国机械工程》期刊2016年04期）
张亮,杜培俊,何兆芳[5]（2014）在《装卸混合的软时间窗VRP问题混合算法研究》一文中研究指出考虑了配送车辆在客户点会同时发生卸货和装货的情况,构建了装卸混合的软时间窗VRP模型,并通过遗传禁忌混合算法求解。通过实例说明,该混合遗传算法能很好地解决装卸货混合VRPTW问题,获得较好的优化效果。(本文来源于《物流科技》期刊2014年07期）
商丽媛,丁根宏[6]（2010）在《有时间窗装卸问题的多策略分组编码遗传算法》一文中研究指出根据有时间窗装卸问题(PDPTW)的数学模型,设计了多策略分组编码遗传算法,将禁忌思想用于产生可行解的启发式插入算法之中,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.(本文来源于《数学的实践与认识》期刊2010年02期）
商丽媛[7]（2009）在《有时间窗装卸问题的一类改进遗传算法求解》一文中研究指出根据有时间窗装卸问题(PDPTW)的数学模型,对遗传算法进行改进,将分组编码思想用遗传算法,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解.(本文来源于《太原师范学院学报(自然科学版)》期刊2009年01期）
商丽媛,丁根宏[8]（2007）在《有时间窗装卸问题的分组编码遗传算法》一文中研究指出根据有时间窗装卸问题(PDPTW)的数学模型,研究了分组编码遗传算法,将禁忌思想用于产生可行解的启发式插入算法之中,对计算实例进行了求解,结果表明,此算法可以有效求得有时间窗装卸问题的近似最优解。(本文来源于《第九届中国青年信息与管理学者大会论文集》期刊2007-08-01）
吴璟莉[9]（2006）在《求解复杂有时间窗装卸货问题的遗传算法》一文中研究指出有时间窗装卸货问题是为一个车队安排最优的服务路径以满足客户的运输需求,每个客户的装卸货任务由一辆车完成,即在该客户的装货点装载一定数量的货物后运往该客户的卸货点,所有任务的完成必须满足车辆的容量约束、行程约束和客户装卸货点的时间窗约束。从多车库、多货物类型和满载叁个方面对一般有时间窗装卸问题(PDPTW)进行了扩展,提出一种解决复杂PDPTW问题的遗传算法,实验结果表明,该算法能有效解决复杂PDPTW问题,并取得较好的优化结果。(本文来源于《计算机应用》期刊2006年06期）
有时间窗装卸问题论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
公路货物运输是现代运输的主要方式之一,在物流运输领域发挥着重要的作用。据统计,我国的公路货运在所有交通运输方式中的占比约80%。回顾我国公路货运的发展历史和目前整体发展水平可以发现,尽管我国公路运输成本相比国外并不高,但相对低廉的成本背后,庞大而低效的物流体系运转不能被忽视。提高分散运输的匹配调度及运载效率、降低运输车辆的空载率仍显得任重道远。近几年随着互联网技术的发展,一些新背景下的新模式也在不断推动着传统货运业向现代物流业逐步转型,如传化公路港、班车货运模式等。互联网时代的到来使得货物的信息来源更为透明,逐步发展起来的信息传输和数据处理等技术也使得车辆的定位、调度、联通等技术都有了进一步发展的空间。从现实情况考虑,众多中小型货主的货物运输需求可能在运输方向上存在着一致性,普通重货一般也满足混装条件。因此对于空车返程或是非满载出发的货运车辆而言,本研究提出了多点装卸货的运输方式,即将车辆运力与货物需求的进行匹配、组织多点装货和卸货,以减少传统的一票到底的单点装卸运输方式造成的低效和资源浪费,同时也有助于改善目前司机的收入情况,也更能够充分发掘运力,使得目前有效运力不足、实载率较低的现状有所改善。因此,本研究主要的研究对象为公路货运中的多点装卸货路径优化问题,在现有研究成果的基础上,建立了基于混合时间窗的单车辆多点装卸货路径优化模型,并设计了对应的两阶段算法进行求解,即基于改进粒子群算法的匹配阶段算法和基于改进遗传算法的路径优化算法,最后用算例进行了模型和算法的可行性和有效性检验。研究的最后,对研究的创新点和结论进行了阶段性总结,并对该领域值得进一步研究的方向与问题进行了展望。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
有时间窗装卸问题论文参考文献
[1].戚艳君,陈超,高杨军,刘正元.求解软时间窗装卸一体车辆路径问题的布谷鸟算法[J].空军工程大学学报(自然科学版).2017
[2].徐煜.基于混合时间窗的公路货运多点装卸路径优化问题研究[D].南京大学.2017
[3].周蓉,沈维蕾.软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法[J].合肥工业大学学报(自然科学版).2016
[4].周蓉,沈维蕾,刘明周,赵韩.带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法[J].中国机械工程.2016
[5].张亮,杜培俊,何兆芳.装卸混合的软时间窗VRP问题混合算法研究[J].物流科技.2014
[6].商丽媛,丁根宏.有时间窗装卸问题的多策略分组编码遗传算法[J].数学的实践与认识.2010
[7].商丽媛.有时间窗装卸问题的一类改进遗传算法求解[J].太原师范学院学报(自然科学版).2009
[8].商丽媛,丁根宏.有时间窗装卸问题的分组编码遗传算法[C].第九届中国青年信息与管理学者大会论文集.2007
[9].吴璟莉.求解复杂有时间窗装卸货问题的遗传算法[J].计算机应用.2006
标签：装卸一体车辆路径问题; 布谷鸟算法; 信息素导向; 动态发现概率;