集装箱运输系统的优化和饲养员遗传算法 2.docVIP

集装箱运输系统的优化与饲养员遗传算法 美 巴特林教授 H.Mühlenbein RWCP（Real World Computing Partnership ）机构理论基 础的GMD(Gambian Dalasi)研究室 GMD -Forschungszentrum Informationstechnik 圣奥古斯汀?d - 53754,德国 摘要： 当将经济问题的重要性考虑在内的时候，人们对集装箱运输车辆路由路线的选择及调度领域的问题的关注往往少于其所预期的。大量的货物被各种类型的容器所运输。不同的网络已经在汽车，包裹和速冻食品等甚至更多的行业建立了备件的分布。为了经济生态的原因，加入一些这样的网络至少会更加有意义。但是在不同的公司之间除了技术问题，大量的仓库和容器使问题变得如此复杂以至于超过了人力规划的能力。在本文中,我们提出一个方法来优化分配问题，例如自动生成平衡旅游重要的约束和快速产生相似的时间表类似的问题实例。 关键词：车辆路径问题，自动适应策略选择，增量搜寻。 正文： 一、简介 连接最小数量的车辆这个问题需要访问一个特定的节点构建类的车辆路径问题(VRP)。在一项调查中可以看得到在过去只有车辆的路径问题被调查过。而最近重点已经改变成了多个仓库VRP。大量的客户都服务于一个小数目的仓库，MDVRP是多层次的组合个性化的优化问题。在第一层次中每个仓库的边界服务区必须被定义，在第二层次中，VRP必须解决每一个仓库，第三层次中，经典的旅行商问题需要通过每一个途径来解决。因为它的困难，MDVRP已经很少研究了。一种新的启发式被提出了。 集装箱的运输问题（CTP）也属于一类基础节点调度和路由问题。但是它又有一些不同与上述中的VRP。大量的容器必须是地理上分散分布的仓库。一般来说，起源地和目的地的仓库被分配并且至少有一个集装箱来运输。 现实世界的计算合作伙伴关系 1.从起源地到其相应的目的地，一个车辆访问只有几个仓库，通常是两个或者三个。雇佣一个快速的卡车的目的是运输集装箱。此外，仓库并不发送与它们收到的相同数量的集装箱。为了满足第二天空容器被装满，仓库必须被平衡地组织。对于一个物流公司来说，参与这项自动化产生的日程安排包括对那些大型网络来说的平衡之旅是非常合适的。优化的目的在于较少车队的规模和整体的驾驶距离。这将使得经济原因和生态原因加入网络后依旧分开是有意义的。然而一个网络的复杂性往往超过人力规划的能力。 典型应用是包裹分销系统,批服装、整车的汽车行业,甚至更多。尽管其有很高的经济重要性,CTP已经很少研究了。 最真实的车辆路径依旧不同于理想的数字应用程序的VRP。它们可以区分在静止的、增量的、动态的问题上。在静态的问题上，所有的要求都是固定的和已知的。在增量问题上，每隔一段时间就会出现一些波动的需求。这个任务是生成一个与现有的非常相似的一个时间表。经验表明，司机们往往习惯于他们过去的旅游经验，倾向于使得错误发生当一个新的时间表被实施的时候。动态问题结合了分派和调度。新的要求促使汽车路线和仓库相应地作出改变。 在科学文献中静态问题已经主要的被处理，但是在最近的一项调查中可以发现这在实践中很少发生。而CRP的静态问题和增量问题是很重要的，我们已经开发出一种优化器，我们将它称作Cargo/CT，来处理这些问题。优化器的基本设计和第一研究结果发表首先,我们拟定的基本优化的想法。在4和5章我们提出我们的优化器的关键特性。自适应策略选择控件的用法基本优化策略。为了保持连续的我们开发了增量搜索计划因此,旅行不是完全进行预先知道第五集仓库的设置一个弧表示仓库之间的可能联系构成直接和完全连通图G =(V,)没有循环。每个弧(i; j)需要一个常数因子 计算成本司机值班c= (o，d，s, l, wr, wa, wd ,id) 它描述了任务将容器从源仓库o V到目标仓库 dV沿弧(od)∈A。α，ωγ]成为当旅行将要实施的时候的时间窗。在时间ω这里，容器是为了操作准备的，在时间ωα里，容器则应该已经到达它的目的地。我们需要网络和一致的运输需求，也就是说ωγ+to,d ≤ ωα, to,d ≤17hours.所以旅行能够被及时旅行。 为了装载好的容器，γ和ɑ被给予。一个非生产性的旅行能在任何时间被实施。在那种情况下，我们可以得到γ=0，ɑ=P.对于一个旅行只给出了到达时间。一个到达时间，然而，是不被提前知道的。很多时候至少应该有一个空的容器是可得到的，也有一些时候没有。为了克服这个困难到达时间总是假定为0.对真实的生活应用这种假设合理的两个原因