物流配送车辆调度问题作为一个NP难题，随着客户数量的增加，可选的配送路径方案数量将以指数速度急剧增长。因此，用启发式算法求解该问题就成为人们研究的一个重要方向。本文将在建立物流配送车辆调度问题的数学模型的基础上，研究用爬山算法、禁忌搜索算法、模拟退火算法、遗传算法等现代优化计算方法对其求解。

本文讨论的任务车间调度问题是一个典型的NP完全问题，也是最难解的组合优化问题之一。虽然本题给出的工件（墙纸）数n、机器数m及工序（印刷颜色）数l较小，但可以看到，利用经典整数规划的方法求解该问题还是存在着约束条件不够，结果不容易收敛的问题，并且当n，m，l偏大时采用全局搜索的办法来处理该问题是不切实际的。在实际生产中，JSP并不总是要求得到精确解，因此有研究者使用近似算法在适当的时间内得到一个可接受的近似最优解来求解此问题，实际的计算表明，好的近似算法通常能在可接受的时间内得到与精确解相差甚小的近似解，甚至对于大部分的实例，近似算法能得到与精确最优解一致的近似解。因此，本文采用近似算法中的遗传算法（Genetic Algorithms，GA）求解任务调度问题。

为了满足供应链物流的不同需求，考虑多种车型、车辆容量、车辆油耗、车辆最大配送距离等约束条件，以最小油耗、最短配送距离为目标，建立多车型供应链物流运输调度模型（Multi-Type Vehicle Routing Problem in Supply Chain，MTVRPSC），并提出一种混沌烟花算法求解该模型。该算法以烟花算法为核心，提出一种编解码策略实现连续空间到 MTVRPSC离散空间的映射，重新定义算法的适应度函数、适应度值和适应度的比较方法，并采用混沌初始化策略和混沌搜索策略来增强算法收敛效果。实验结果表明，所提出的算法在求解 MTVRPSC时具有较强的寻优能力和稳定性

可以方便地查找到各种JSP问题的算例，尤其对于研究作业车间调度问题（JSP）算法的人应该帮助较大，可以用于进行标准算例的对比试验！

采用变领域搜索解决JSP问题，算法中有多处创新，效果好

免费matlab代码资源

对并行多机调度问题的简单介绍，及相关案例

考虑智能交通系统中员工在聚集站点上下班，建立车辆调度问题的数学模型。 针对蚁群优化算法的缺点，自适应地改变信息素挥发因子，采用混沌搜索产生初始种群可以加速染色体向最优解收敛，构成一种自适应蚁群优化算法。 应用该算法和基本蚁群优化算法对该模型求解，实验证明了构造算法在收敛速度和寻优结果两方面都优于基本蚁群优化算法

2017年电工杯优化问题一等奖，含论文和算例，针对微电网日前优化调度问题，本文以matlab数据处理为基础，建立非线性规划模型，运用贪心算法对问题1到问题6进行了解答。 对于问题1根据成本、功率、单价、时段之间的关系，以及发电与负荷相等的原则，得到无可再生能源和可再生能源全额利用时负荷的供电构成，及无可再生能源时全天总供电费用1976.41元，平均购电单价0.5976元/kWh，可再生能源时全额利用全天总供电费用2275.17元，平均购电单价0.6654元/kWh。

本文档中给出车间调度问题的基于DFS和贪心的可随机化求解算法, 并给出了算法正确性的详细论证和时间复杂度分析, 具体的算法使用C++实现