matlab求解车辆路径问题；经典VRP问题

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：多车辆车辆路径问题_用遗传算法编程_保证可用_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

时变多车型算法，进行车辆路径的优化问题的求解，考虑车型的差异来进行算法的优化

针对时变路网条件下的低碳车辆路径问题,首先,分析车辆离散行驶速度与连续行驶时间之间的关系,依据“先进先出”准则设计基于时间段划分的路段行驶时间计算方法,引入考虑车辆速度、实时载重、行驶距离与道路坡度因素的碳排放计算函数;然后,在此基础上以所有车辆的碳排放量最小为目标构建低碳时变车辆路径问题数学模型;最后,引入交通拥堵指数,设计交通拥堵规避方法,并根据模型特点设计一种改进蚁群算法求解.实验结果表明,所提出方法能有效规避交通拥堵、缩短车辆行驶时间、减少车辆碳排放,促进物流配送与生态环境和谐发展.

两级车辆路径问题是指物资必须先由中心仓库配送至中转站(第1 级), 再由中转站配送至客户(第2 级) 的一
种车辆路径问题. 针对该NP 难问题提出一种Memetic 算法通过自底向上的方式进行求解. 首先利用改进的最优切割
算法MDVRP-Split 将客户合理分配至中转站; 然后采用局部搜索解决第1 级问题, 交叉产生的精英个体通过局部搜
索改进. 标准算例的测试结果表明, 所提出算法更注重求解质量与求解效率的平衡, 性能优于其他现有的两种算法.

本文以深度强化学习为基础，设计出一种适用于求解大规模车辆路径问题的模型架 构。采用了预训练模型+基于相对位置的 Transformer网络+A2C强化学习训练框架，为 后续研究大规模车辆路径问题的扩展问题和大规模组合优化问题提供了新的深度强化 学习算法框架。本文中的深度强化学习算法解决了以下问题： （1） 不同规模算例可以共享并继承其他规模训练完的模型，在这种共享模型的机制下， 避免了算例规模相近的模型的重复训练。 （2） 预训练模型能够继承其他规模训练出的模型经验，相对位置节点提高了在大规模 车辆路径问题中特征抓取的精确性，A2C强化学习训练框架环节采用无监督学习， 在无标签训练集中训练中规避经验回溯问题，这三方面针对大规模车辆路径问题 做出的调整，提高了训练效率和收敛效果。 （3） 通过预训练机制解决了大规模车辆路径问题内存溢出的情况，解决了目前已有算 法在大规模算例训练时，内存溢出训练中断等问题。 （4） 与经典的启发式算法和元启发式算法进行比较，在同等求解速度的算法中，本文 算法的求解质量方面全面超越这些算法。并且在当前已有的深度强化学习解决方 案中，本文设计的算法和效

GA-MDVRP 多站点车辆路径问题的遗传算法

求解带用户满意度的多目标实时车辆路径问题的改进伊藤算法.pdf

多次部分充电的多车型纯电动车辆路径问题及求解方法研究，陈鹏，朱宁，研究多次部分充电的多车型纯电动车辆路径问题及求解方法.针对多次部分充电的多车型纯电动车辆路径问题,考虑时间窗约束和纯电动车�

人工智人-家居设计-车辆路径问题及其智能算法的研究.pdf