针对航空物流领域对路径进行精确计算以降低配送成本的需求，文中对路径的优化方法进行了研究。通过建模分析，将该问题被抽象为数学中的枢纽位置问题（HLP），然后使用遗传算法进行求解。为了解决大规模的复杂HLP，文中对传统的遗传算法进行了改进，将单一种群的遗传算法扩展成双种群模式。通过为两个种群设置不同的进化参数，从而保证最终胜出的个体具备更优秀的搜索能力。此外，为防止遗传个体在搜索时陷入局部最优解，还引入了模拟退火算法中Metropolis准则。为了衡量改进后的算法性能（I-SGA），文中基于航空公司的实际航线和15个大中城市机场的实际规模等相关数据进行了仿真测试。仿真结果表明，I-SGA的目标函数最优收敛值为1.234 e+12，平均收敛值为1.100 e+12；而SGA的最优收敛值为1.201 e+12，平均收敛值为1.021 e+12，所提算法的效果和效率均有明显的提升。

针对传统海上搜索研究中搜索平台与行为单一、缺乏协同的问题,建立多平台海上协同搜索路径优化模型,研究协同搜索与路径优化对策.在协同搜索策略方面,给出同构协同与异构协同搜索策略的定义,并设计不同规模的协同仿真场景;在路径优化策略方面,根据海上搜索平台的搜索特点,设计基于行为和基于智能算法的路径优化策略.在此基础上,对比研究不同规模的海上协同搜索策略与路径优化策略效果.结果表明:基于混合智能算法的路径优化效果普遍优于基于行为的搜索策略与单一算法,异构协同搜索策略能够充分发挥各平台优势、取长补短,取得了优于单平台和同构协同搜索的收益效果.

针对有路径总时长约束、载重量约束和电池容量约束的电动车路径优化问题（EVRP），考虑其途中可前往充电站充电的情境，构建以最小化路径总长度为目标的数学模型，提出一种基于强化学习的求解算法RL-EVRP。该算法用给定的分布生成训练数据，再通过策略梯度法训练模型，并保证在训练过程中路径合法即可。训练得到的模型可用于解决其他数据同分布的问题，无须重新训练。通过仿真实验及与其他算法的对比，表明RL-EVRP算法求解的路径总长度更短、车辆数更少，也表明强化学习可成功运用于较复杂的组合优化问题中。

针对单向物流配送中遇到的路径优化问题，提出一种蚁群算法对单向物流路径进行优化。同时针对传统蚁群算法存在着易滞性和收敛速度比较缓慢的问题，提出采用信息素更新、蚂蚁转移策略的方式，对传统蚁群算法进行改进。最后通过实例和仿真软件，对改进算法与传统算法进行比较，证明改进算法收敛速度和迭代次数方面都较传统算法有着很大的改进，并进一步证明本文所提出的改进方法与策略是正确和可行的，有利于更好的对当前的物流配送路径进行优化。

大神在90年代，对TSP及其拓展问题的子路径消除约束的经典分析，是一篇不可多得的研究TSP路径优化的经典文献 引文格式：Desrochers, M., & Laporte, G. (1991). Improvements and extensions to the Miller-Tucker-Zemlin subtour elimination constraints. Operations Research Letters, 10(1), 27–36. doi:10.1016/0167-6377(91)90083-2

matlab NSGA2算法求解选址及路径优化结合问题

目的提出一种基于遗传算法的立体仓库堆垛机路径优化方法，研究对固定货架子系统堆垛机拣选作业优化调度问题．方法分段分析设计遗传算法中适应度函数，在消息任务队列中，为了避免个别任务等待时间过长，在数学模型中加入任务的等待时间．运用遗传算法具有快速全局搜索能力，求解速度快等特点，优化自动化立体仓库堆垛机拣选作业运行路径．结果分段分析设计适应度函数避免了在遗传算法早期出现个别特殊个体，等待时间参数改善了个别任务等待时间过长的现象，更符合工程实际要求．结论实验仿真和工程实际应用都证明该算法可以有效地减少堆垛机系统拣选

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。

【路径规划】一种基于改进蚁群算法的多配送中心车辆路径优化方法matlab源码.zip

-VRPTW-Python- 实现高升论文《基于电动汽车的带时间窗的路径优化问题研究》中的算法部分。