一种大规模车辆路径问题的启发式算法

随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求。针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法：局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与动态性。与多目标混合蚁群优化算法进行实验对比,结果验证了破坏重建算法的优势;利用公开数据和真实数据,与全局方式破坏重建车辆调度方法进行对比实验,结果验证了局部搜索动态调度方法的有效性。     

元启发式算法在校车路径规划中的应用

将单个学校校车路径问题抽象为开放式车辆路径问题,基于元启发式算法框架求解校车最优路径。假设所有校车从同一停车场出发,最终到达学校,首先利用改进的节约算法在全局范围内产生初始解,再用模拟退火算法通过4种局部交换策略获得最优解。100次模拟实验结果表明,在93%的情况下,改进后的元启发式算法框架比ArcGIS 10的VRP求解的最优路径总距离短,且计算效率明显提高。     

时间窗约束车辆路径问题求解的遗传模拟退火算法

论文建立了时间窗约束车辆路径问题的数学模型,采用了插入法、遗传算法、模拟退火相结合的启发式方法求解时间窗约束的车辆路线问题。试验结果表明:模拟退火与遗传算法结合求解时间窗约束的物流配送车辆路径问题,可以在一定程度上解决遗传算法易"早熟收敛"问题,从而得到较高质量的解。     

利用破坏重建算法进行物流车辆动态调度

随着中国经济的快速发展,物流配送对车辆调度的实时性与应急情况处理能力提出了更高的要求,使用传统车辆调度算法难以满足突发事件实时处理需求.针对紧急情况如车辆故障或新增任务点等,在传统启发式算法——破坏重建算法的基础上提出了一种动态调度方法:局部搜索方法,实现了物流车辆的动态调度,有效提升了车辆调度中应对紧急情况的实时性与...     

基于网络Voronoi图的大规模多仓库物流配送路径优化

由于存在多约束和多个优化目标,物流配送决策非常困难。针对城市多仓库物流配送问题,提出基于网络Voronoi图的空间启发式优化方法。从空间角度,将多仓库物流配送优化分解为区域分割和路径优化两个空间子问题。基于网络Voronoi覆盖进行服务区域初始划分,顾及仓库容量差异,进行区域边界修正,并创建初始解。路径优化将局部搜索范围限定在网络K近邻内,只搜索最有可能的空间邻域,迭代改进解的质量。该算法最小化路径数量和路径长度。利用深圳市的大规模多仓库物流配送问题测试算法性能。试验结果表明：本文方法能够在15min内求解6400个客户点的大规模物流配送问题,解的质量优于ArcGIS约10.8%,计算时间约为其21.2%。     

PC集群环境下的并行地理网络车辆路径算法

针对PC集群计算节点内存小、进程间通信速度慢的问题,本文设计了分布式的数据存储机制;提出了用同步变换规则代替解编码传输的进程间通信方式;基于邻域分解策略实现了禁忌搜索过程的并行化,发展了一种适用于PC集群环境的并行地理网络VRP算法。应用模拟路网数据进行了相关试验,结果表明：本文算法的计算结果与ArcGIS基本一致,二者平均偏差率在2.11%~2.87%之间;分布式数据存储策略有效地降低了各进程对内存的需求量,保证了算法的稳健性和扩展性;通过算法的并行化提高了VRP算法的求解效率;该算法具有良好的加速性能,8进程时在各测试数据集中的加速比均在4.46~6.32之间。     

一种求解学区划分问题的混合启发式算法

针对目前求解学区划分问题算法搜索过程缺乏记忆,搜索效率不高,容易陷入局部最优而收敛慢等问题,该文提出一种多启动(M)框架下,迭代禁忌搜索(ITS)算法与模拟退火(SA)算法混合的M-ITS-SA算法。该算法包括构造初始解、禁忌搜索、SA算法优化与求解等。运用K-Medoids模型对学校分组后,采用M-ITS-SA算法对学区进行划分与优化,并从多个分区方案中求解最优分区方案。学区划分实验结果表明:该文提出的M-ITS-SA算法能够保证分区的空间连续性,适用于单校和多校划片,并在入学总距离上与混合元启发算法(M-ILS-SPP)保持相当的同时,大大降低了超额招生人数和总用时,具有良好的寻优能力和收敛性,优于M-ILS-SPP算法。     

一种基于梭形的启发式车辆路径规划算法

针对大规模物流问题,在传统配送区域提出一种基于多车型、客户分组、梭形区域、多种子点、相邻区域以及客户之间的距离综合优化技术的启发式算法,并且编程实现了物流配载系统,结合实际物流配送的数据对该算法进行验证,证明了该算法的有效性。     

利用GPS技术的货物运输车辆路径问题的遗传算法研究

提出了具有时间窗的货物运输车辆路径问题，根据车辆装载GPS设备的特性，建立了该问题的数学模型，并设计了求解它的遗传算法，初步计算表明算法具有很好的性能。     

一种基于双向搜索的K则最优路径算法

提出了一种基于双向搜索策略的K则最优路径算法,以改进的Dijkstra最优路径算法为基础,从起点和终点同时搜索,分别构造正序和逆序最优路径树,计算网络中两点之间的多条参考K则最优路径。详细描述了算法设计思想和运行过程,分析了算法的时间复杂度,并通过实际路网验证了算法的效率和精度。     

边界约束最大p区域问题及其启发式算法

针对城市空间内的自动化分区,顾及空间域边界对于分区结果的约束效应,提出一种边界约束最大p区域问题。在最大化区域个数p前提下,针对单元与多个边界交叉产生的单元从属不确定性,设计一种顾及空间单元从属不确定度的单元差异性加权目标函数。并在满足阈值约束等最大p区域问题原有约束下,增加若干边界约束,保证形成的区域一般在某个边界之内,若需跨越多个边界,则需涵盖整个边界。针对该非确定性多项式难题设计并实现一种基于禁忌搜索的启发式算法,并在模拟数据和实际数据集上进行实验。实验结果表明,该方法可以使科研和实验人员能够将现实世界中的边界约束灵活地加入到分区问题的模型中,以对最大p区域问题的求解结果进行更为实际的控制。     

基于遗传算法的时相关动态车辆路径规划模型

动态车辆路径规划是智能交通和商业物流领域中的一个重要研究方面,其最大的优点是就是综合考虑了各种实时信息,及时优化更新配送车辆的行驶路径,进一步降低物流成本。提出了一种基于遗传算法的时相关动态车辆路径规划模型。该模型将时变的交通信息和动态客户订单考虑在内,可以获得比较好的动态更新效率和优化结果,为此类动态车辆路径规划探索出了一条可行的途径。     

基于时间窗的多车场车辆路径问题研究

启发式优化算法在解决车辆路径问题时具有较好的收敛性,整体法在解决时间窗的多车场车辆路径问题时具有较好的全局性,结合二者优点,进行了算法研究。首先采用整体法得到车辆路径问题的全局最优解;再采用智能优化算法对配送点进行车场选择,匹配代价最小的车场;最后通过实验验证了该算法在解决时间窗的多车场车辆路径问题上的有效性。     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法.该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索.当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率.将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高.     

多核CPU的海量点云并行kNN算法

提出基于多核CPU的海量点云k最近邻(kNN)快速搜索算法。该算法先将点云数据按格网方式进行组织存储于外存;在搜索kNN点时,从搜索点所在的块向外扩张搜索;在多核CPU环境下采用多线程模式进行数据的内外存调度和kNN点搜索。当内存达到设定上限时,采用距离搜索点最远策略释放内存,降低内外存数据交换的频率。将该方法应用于基于kNN的滤波和格网化方法中,处理速度显著提高。     

基于瓦片数据结构的大规模地形构建与显示

地形漫游在仿真、模拟、虚拟现实、游戏等领域都有广泛的应用，但其大规模地形实时动态绘制的速度和质量一直是一个难点。文章主要分析了地形场景数据管理与实时调度、视相关多层次细节模型与可见性判断以及分层数据组织与瓦片数据绘制等关键问题。在研究多种层次算法的基础上，提出了一种实时高帧率绘制大规模地形的瓦片重组数据结构的方法，并改进了视景体裁切重组地形数据的方法。实验结果表明该方法在保持地形逼真的情况下，有很好的绘制网格帧率和实时动态交互的效果。     

一种获取大比例尺建筑物立面影像的方法

提出了获取建筑物大比例尺立面影像的一种理论与方法。根据数字相机倾斜影像,利用建筑物外观的几何条件与约束条件,按照透视变换原理,导出相应关系式,直接获取相同主距的“平行影像”。随后,依据最少的实地控制,将平行影像放大到给定比例尺数字城市中。该方法加快了车载系统大比例尺建筑物立面影像的获取过程,不受建筑物高度的影响,并可用于机载、固定站和人工方式等多种作业模式。