您现在的位置: 首页> 研究主题> 车辆路径

车辆路径

车辆路径的相关文献在1998年到2023年内共计652篇,主要集中在自动化技术、计算机技术、经济计划与管理、公路运输 等领域,其中期刊论文231篇、会议论文49篇、专利文献357655篇;相关期刊149种,包括物流工程与管理、运筹与管理、物流技术等; 相关会议46种,包括第十二届中国智能交通年会、第八届全国大学生创新创业年会、“综合交通发展与多式联运组织”学术研讨会等;车辆路径的相关文献由1630位作者贡献,包括蔡延光、张帅、张文宇等。

车辆路径—发文量

期刊论文>

论文:231 占比:0.06%

会议论文>

论文:49 占比:0.01%

专利文献>

论文:357655 占比:99.92%

总计:357935篇

车辆路径—发文趋势图

车辆路径

-研究学者

  • 蔡延光
  • 张帅
  • 张文宇
  • 张景玲
  • 江浩斌
  • 缪其恒
  • 蔡颢
  • 夏维
  • 张贵军
  • 李想
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 王宁; 张佳蕊; 赵姣
    • 摘要: 在考虑城际零担货运平台现有各种不同补贴方案的基础上,以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数,建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法,计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明:改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%;改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重,求解的大规模算例结果比传统量子粒子群算法提高了0.91%;通过分析最优解的特点,将改进的量子粒子群算法与启发式算法相结合,算法的求解质量提高了4.05%;通过补贴模式对比实验发现,在合理规划周期内,货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下,可有效提升平台利润,提高车辆利用率。
    • 秦进; 杨康; 徐玖龙; 陈学伟
    • 摘要: 在自然灾害发生后,及时组织高效有序的应急救援活动,是减轻灾区人员伤亡和财产损失的关键工作。交通网络是开展灾后救援活动的重要物质基础,为保证灾后救援行动的时效性、降低应急救援在受损交通网络功能恢复过程中的延迟性,需要协同优化交通网络修复与应急救援等决策。考虑交通网络内道路受损程度、物资需求分布等因素,协同调度有限数量的救援队伍和道路维修队伍,优化确定受损道路修复次序和应急物资运输路线。以最小化受灾区域内群众因等待救援而产生的累计剥夺成本为目标,同时考虑灾后交通网络连通性、旅行时间可靠性和救援分配公平性等约束条件,构建协同优化问题的非线性混合整数规划模型。结合问题特征,在采用精英和排序混合策略对信息素更新进行改进的基础上,设计二阶段蚁群算法进行模型的求解和计算。算例分析表明,该优化模型和算法计算快捷,所得结果合理,道路维修队伍能够协调应急救援队伍运输路径,合理规划受损节点的修复次序,减少救援队伍中途的等待时间,应急救援行动的效率明显提高,救援物资的分配也更加合理,说明所提出的方法可以为相关问题提供科学的决策参考依据。
    • 曹峰; 崔少华; 荆治家; 姚宝珍
    • 摘要: 为解决电力巡检无人机续航时间短、远距离机动性弱等问题,电力企业试点推广了无人机与巡检车协同巡检的新型作业模式,即车机协同巡检。这种模式实现了无人机和巡检车的优势互补,可用于大面积输电线路巡检作业。车机协同电力巡检作业过程中,巡检车的行驶路径直接影响无人机任务杆塔分配方案和巡检效率。考虑到车机协同电力巡检作业特性,将驻车点选址、驻车点处无人机任务分配及巡检车路径规划问题相结合,提出了一种面向大面积巡检区域的巡检车路径规划方法。本文以最小化巡检车完成整片运维区域巡检任务的总作业时间为优化目标,在考虑每个驻车点处无人机巡检任务分配的基础上构建了车机协同巡检车辆路径模型,设计了一种多层嵌套的启发式算法进行求解,可根据运维区域杆塔分布求解近似全局最优的驻车点选址方案及该方案下巡检车的近似最优行驶路径。最后,基于真实杆塔数据进行的实例分析展示了算法的求解效果,得出了巡检车在每个工作日访问的驻车点序列及行驶路径,可为电力企业编排车机协同巡检作业排班计划提供参考。
    • 李猛; 和伟辉; 毛攀登; 齐小刚; 刘立芳
    • 摘要: 为减轻资源供应不及时对维修活动顺利开展的影响,本文针对配送式供应保障,基于带时间窗的多配送中心车辆路径规划问题提出了一种半开放式的协同配送调度模型,使得多个资源库存中心之间达成了协同合作与互相保障,从而减少了资源的供应时长和调度成本,提高了全局调度效率。为高效地求解该模型,本文提出了一种遗传–烟花混合算法,混合算法在经典遗传算法的基础上引入了烟花算法的爆炸算子以增加种群优秀个体的数量,丰富种群基因的多样性,从而提高算法的寻优能力。通过仿真实验对比,证明了爆炸算子对遗传算法容易“早熟”的缺点有所改善,且混合算法具有更高的求解效率。
    • 马俊; 张纪会; 郭乙运
    • 摘要: 针对一类考虑客户分类、随机旅行时间、随机服务时间及时间窗约束的车辆路径问题构建了机会约束规划模型,该模型考虑两类客户(普通客户与优质客户),并通过添加机会约束条件确保优质客户获得准时服务的概率。同时,设计了变邻域迭代局部搜索算法,并给出了一种基于最小等待时间的初始解生成启发式规则。基于Solomon算例进行了多组仿真实验。仿真实验结果表明,所设计生成初始解的启发式规则是有效的;所给算法能够在短时间内找到确定问题和随机问题的近似最优解;客户比与车辆使用数目呈正相关关系。研究结果对解决资源有限条件下克服随机不确定性因素带来的不利影响、保证客户服务水平等问题有一定的参考意义。
    • 林蔚青; 陈国童; 唐耀红; 林秀芳
    • 摘要: 针对快递配送过程中存在多种影响配送效率和成本的因素,建立时间成本数学模型.该模型考虑到客户接收的时间约束、拥堵路段不同时段的时间成本,以及配送时间约束等因素.并在此基础上提出一种混合遗传算法,该算法采用特有的编码方式,实现对车辆路径、配送时间节点、误点时间成本等信息的编解码,此外考虑到标准遗传算法在搜索大规模数据时易出现早熟收敛,搜索效率下降等问题,该混合遗传算法增加了局部搜索模块,通过三角分布概率更新劣等基因,从而提高算法的局部搜索能力.通过仿真实验得到快递车辆配送路径及配送时间节点等优化信息,并验证了算法和数学模型的有效性.
    • 陈廷伟; 施铱鹏; 周敏宣; 詹宗阳; 夏小云
    • 摘要: 随着市场经济快速发展和现代技术的不断演变,现代物流业也得到了空前的发展。在物流配送活动的各个环节中,配送路径优化对企业提高服务质量、降低物流成本、提高经济效益起到至关重要的作用。蚁群优化算法作为群智能算法的典型代表,在路径规划求解中表现出良好的效果。本文研究了带容量约束车辆路径问题(Capacitated Vehicle Routing Problem,CVRP),并采用蚁群优化算法进行优化求解。实验结果表明,蚁群优化算法能够有效地求解带容量约束车辆路径问题。
    • 陈婉茹; 张得志; 梁一婧; 曹健
    • 摘要: 快捷货物公路干线运输系统是一个典型的复杂系统,优化其运输服务路径及组织模式,是降低快捷货物运输成本、提升物流效率的重要途径之一。针对目前我国城市OD对之间由于物流量不均衡而导致的长途运输回程空驶问题(即单边运输问题),在分析我国公路快捷货物干线单边运输形成原因及潜在优化措施的基础上,给出合理的干线运输组织模式,将其抽象为考虑时间窗与路由限制的多车场车辆路径优化问题,并构建相应的优化模型。针对该问题的特征,设计了基于时空的三维改进禁忌搜索算法,以顺丰速运的干线运输实际数据为例,验证了上述优化模型及算法的有效性。本文的研究成果可为相关物流企业进一步优化干线运输组织模式、解决城市间干线单边运输问题、实现智能化的调度决策提供有力支撑。
    • 陈婷
    • 摘要: 本文通过对国内外相关文献的研究,构建相应的车辆路径优化模型,利用 LINGO 软件进行编程运行,对 LINGO 软件运行出的数据进行分析,为小型物流企业提供借鉴。Abstract:Through the study of relevant literature at home and abroad, this paper constructs the corresponding vehicle routing optimization model, uses LINGO software to program and run, analyzes the data running out of LINGO software, and provides reference for small logistics enterprises.
    • 向明尚; 张强
    • 摘要: 提出一种离散布谷鸟算法(DCA)求解带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem)。该算法采用轮盘赌机制增强初始解选择的随机性,对基本布谷鸟算法的莱维飞行操作中,使用2-opt法和exchange法进行位置更新;在寄生巢位置更新中,使用shift法和reverse法增强最优解的局部开发能力。选取augerat标准数据集测试算法,并比较BA、ACO、SA及PSO算法结果。实验结果表明:离散布谷鸟算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于其他4种对比算法。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号