基于遗传算法的动态MC2运输问题求解

doi:10.3778/j.issn.1002-8331.2008.28.077

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (28): 236-238.DOI: 10.3778/j.issn.1002-8331.2008.28.077

基于遗传算法的动态MC²运输问题求解

薛锋,罗建

西南交通大学交通运输学院，成都 610031

收稿日期:2007-11-13 修回日期:2008-03-12 出版日期:2008-10-01 发布日期:2008-10-01
通讯作者: 薛锋

Solution of dynamic MC² transportation problem based on genetic algorithm

XUE Feng,LUO Jian

College of Traffic and Transportation，Southwest Jiaotong University，Chengdu 610031，China

Received:2007-11-13 Revised:2008-03-12 Online:2008-10-01 Published:2008-10-01
Contact: XUE Feng

摘要/Abstract

摘要： 动态MC²运输问题是描述多阶段供求波动的运输问题，其模型框架可以应用到很多领域。目前对动态MC²运输模型的求解主要采用传统的单纯形法，针对该问题的特殊性采用具有全局搜索能力的遗传算法进行求解。通过三维数组编码，设计有效的交叉、变异算子和适应度函数，克服了单纯形法求解该问题出现的并行性差、求解整数规划困难的不足。用Matlab7.0编程对算法进行检验，结果表明经过特殊设计的遗传算法能够很好地解决动态MC²运输问题。

关键词: 多目标, 多约束, 动态运输问题, 遗传算法

Abstract: Dynamic MC²（Multiple Criteria and Multiple Constraints） transportation problem describes the supply and demand fluctuates of many stages，and its model frame can be applied to a lot of fields.Dynamic MC² transportation model is solved mainly by the traditional simplex method at present，genetic algorithm can solve it using global searching according to its particularity.The improving genetic algorithm can overcome the deficiencies of poor parallelism and difficult solving integer program by simplex method with three-dimensional group code，and then effective crossover and mutation operator，fitness function are designed.Examining the algorithm with Matlab7.0 programming，the result shows that dynamic MC² transportation problem can be solved by hybrid genetic algorithm.

Key words: multiple criteria, multiple constraints, dynamic transportation problem, genetic algorithm

薛锋,罗建. 基于遗传算法的动态MC²运输问题求解[J]. 计算机工程与应用, 2008, 44(28): 236-238.

XUE Feng,LUO Jian. Solution of dynamic MC² transportation problem based on genetic algorithm[J]. Computer Engineering and Applications, 2008, 44(28): 236-238.

[1]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[2]	张旭，袁旭梅，袁继革. 中介视角下供需匹配决策方法研究[J]. 计算机工程与应用, 2021, 57(9): 240-246.
[3]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[4]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[5]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[6]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[7]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[8]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[9]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[12]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[13]	马龙，王春嬉，张正义，董睿. 多目标多时间窗车辆路径问题的鸽群-水滴算法[J]. 计算机工程与应用, 2021, 57(2): 237-250.
[14]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[15]	丁一，张成成. 集装箱码头送箱外集卡预约优化研究[J]. 计算机工程与应用, 2021, 57(19): 267-273.

基于遗传算法的动态MC²运输问题求解

Solution of dynamic MC² transportation problem based on genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics