分析了需求不可分割带能力约束的车辆路径问题(CVRP)的 2-OPT算法计算时间的平均复杂度。利用需求分布独立于客户的空间分布的特点,将车辆路径问题(VRP)转化为多旅行商 (MTSP)问题,并通过分析 MTSP进行 2-OPT操作的可行性条件,建立起该算法运行所需的迭代次数的分布函数,进而求得平均运算时间复杂度的上界。该文为有效评价针对 VRP的2-OPT算法,提供了理论依据,并为VRP领域的启发式算法的复杂度分析,提供了一种新思路。

【VRP问题】基于蚁群算法求解带容量限制车辆路径CVRP问题matlab源码.zip

百度地图开发java源码 华为云DevCloud软件编程大赛·口罩配送大作战（赛道一） 用于测试 使用方式： 编译命令（要求jdk1.8）：javac MaskTest.java 运行命令：java MaskTest <你的代码进程启动命令> 例如： C++(windows): java MaskTest Main.exe C++(linux): java MaskTest ./Main.out java: java MaskTest java Main python: java MaskTest python Main.py 【赛题规则】 1）某市每日会公布五个已预约口罩派送的小区和每个小区的需求量（50-200）盒。 2）当日会安排一名志愿者配送员向已预约的五个小区投递口罩。配送员从仓库出发前往各小区派送点。（仓库容量：无限；配送员负载容量：100盒） 3）在派送过程中，配送员可能会收到某个新小区主动捐献口罩（1-100）盒的消息，他根据自己负载情况和原计划投送的路线进行评估，决定后续行走策略。 4）任务完成条件：五个已预约小区口罩投送完成。 5）评分标准：在满足任务完成条件后，按

改进后的CVRP问题的蚁群算法的实现代码

【1】实现ACO-ALNS-DE-GA-SA-TS六种算法，及案例数据，亲测可用；【2】可求解单车场，带容量约束的CVRP问题。【3】免费版可github自取。

基于蚁群算法cvrp问题c源代码，使用2-opt对局部路径优化。

CVRP-GA 基于C++，使用遗传算法解决物流运输中的VRP问题 ##1．导言 当今社会，随着像阿里，京东这样的电商巨头的崛起，我国的物流行业也变得空前的繁荣。特别是诸如淘宝双十一的日子里，更是达到了全民网购这种盛况。而随之而来的则是物流的运输问题。物流公司为了获得更高的利益，目标是在完成物流任务的条件下，通过合理的运输路径安排，使得使用最少的货车，运输的总里程也最少，货车利用率更高。而这也就是经典的CVRP问题。由于该问题为NP-hard问题，使用传统的算法较难解决，所以这里我们使用启发式智能算法中的遗传算法，去解决这个问题。 ##2．实验过程 ####在使用遗传算法解决CVRP问题时，步骤如下： 输入要选择的数据文件，种群大小，遗传进化的代数。 读取数据文件，得到每个客户点的坐标、运载需求量，以及货车最大装载量。 按种群大小与客户数量，初始化种群。假设种群大小为100，有75个客户，

matlab源码

【VRP问题】基于节约算法CW求解带容量的车辆路径规划问题（CVRP）matlab源码.md

【路径规划】基于节约算法实现CVRP问题