MACS-VRPTW系统

带时间窗车辆路径问题的多蚁群系统。提出了一种基于蚁群优化的求解带时间窗车辆路径问题的方法MACS-VRPTW。MACS-VRPTW采用人工蚁群的层次结构进行组织,以连续优化多目标函数:第一个蚁群最小化车辆数量,第二个蚁群最小化行驶距离。群体间的合作是通过信息素更新来实现信息交换的。我们证明了MACS-VRPTW在求解质量和计算时间上都与现有的最著名的方法具有竞争性。此外,MACS-VRPTW改进了文献中一些已知的问题实例的最佳解决方案。2第5章MACS-VRPTW:时间窗5.1下车辆路径问题的多蚁群系统。导言本章介绍了一个时间窗车辆路径问题的多蚁群系统MACS-VRPTW。MACS-VRPTW基于蚁群系统(ACS)(Gambard)。


zbMATH中的参考文献(参考文献84篇文章)

显示84个结果中的1到20个。
按年份排序(引用)
  1. 弗里茨,马顿;Bertok,Botond:P-graph的路由和调度现场服务操作(2021)
  2. 隆贝拉·罗德里格斯,哈桑;Tello,J.Ignacio:润滑中的雷诺方程和载荷问题:文献综述和数学模型(2019)
  3. 科萨,切赫;拉波特,吉尔伯特:回程车辆路径:回顾与研究展望(2018)
  4. 侯赛纳巴迪、阿里·阿斯加尔·拉赫马尼;罗斯塔米,纳吉梅·萨达特·侯赛尼;卡德加,马亚姆;米尔卡马利,塞耶德塞德;Abraham,Ajith:使用引力仿真局部搜索算法解决容量受限车辆路径问题的新方法(2017)
  5. 杨志伟;范奥斯塔,简保罗;范文,巴里;范克雷维伦,瑞克;范克拉弗伦,理查德;斯塔姆,安德烈;角,约斯特;Bäck,托马斯;Emmerich,Michael:带时间窗的动态车辆路径选择理论与实践(2017)
  6. 贾加泰桑,K。;阿南德,B。;巴斯卡兰,K。;Dey,Nilanjan:具有非线性和储能单元的多区域电力系统自动发电控制的进化计算技术(2016)
  7. 帕德龙,西尔维亚;但以理,圭玛兰人;拉莫斯,胡安·何塞;Fitouri Trabelsi,Salma:机场地勤车辆调度的双目标方法(2016)
  8. 麦克纳布,马库斯E。;威尔,杰弗瑞D。;希尔,雷蒙德R。;Hall,Shane N.:在分批交货和时间窗口的车辆路径问题上测试本地搜索移动运营商(2015年)
  9. Schyns,M.:用于响应式动态车辆路径的蚁群系统(2015)
  10. 蒋宗哲;徐卫怀:带时间窗多目标车辆路径问题的知识进化算法(2014)
  11. 加纳普尔,S.F。;诺里,S。;Tavakkoli Moghadam,R.:一个客户请求和优先级不确定的多目标车辆路径和调度问题(2014)
  12. Pintea,Camelia Mihaela:组合优化问题的生物启发计算进展(2014)
  13. 黄敏;丁平:一种改进的蚁群算法及其在车辆路径问题中的应用(2013)
  14. 胡文彬;梁,欢乐;彭超;杜波;胡琦:带时间窗车辆路径问题的混合混沌粒子群优化算法(2013)
  15. 莫拉,上午。;加西亚-桑切斯,P。;梅雷洛,J.J。;Castillo,P.A.:基于Pareto的多群体多目标蚁群优化算法:岛屿模型提案(2013)ioport公司
  16. 莫拉,上午。;梅雷洛,J.J。;卡斯蒂略,P.A。;Arenas,M.G.:hCHAC:解决双准则军事单元寻路问题的MOACO算法家族(2013)
  17. 佩雷拉,乔迪;Averbakh,Igor:区间数据的鲁棒集覆盖问题(2013)
  18. 三色衣,法比安;博斯特尔,纳撒利;迪克斯,皮埃尔;Guez,Pierre:多周期现场服务路由问题的精确和混合方法(2013)
  19. 巴斯滕;艾默里奇,迈克尔;杨志伟:NK景观适应性景观分析与扩展障碍树的车辆路径问题(2013)ioport公司
  20. 徐子龙;赵红;最小值,风扇;朱威廉:独立测试成本属性约简的三阶段蚁群优化(2013)ioport公司