10、s.i=06kyis1ki=1,2,hi=0.(5)在上述模型中:(1)式为目标函数,cij表示从客户点i到客户点j的运亚启发式算法5是在优化问题的过程当中,由一个初始解开始,允许出现劣质的中间解,对当然解的反复的局部进行扰乱,能够跳出局部最优而在全局内寻得近优解。由于亚启发式算法的特点,已成为VRP研究中的主要算法,目前已被用于求解VRP的亚启发式算法主要有以下几种类型:模拟退火算法、禁忌搜索算法、蚁群算法和遗传算法。(1)模拟退火算法通过模拟冶金作业的退火过程来搜输成本,xijs表示车辆s由点i驶向点j,当事件发生时取值1,否则取值0;(2)式和(3)式中,yjs表示客户点i的货运任务由车
11、辆s来完成。当事件发生时取值1,否则取值0。这两个式子放在一起,表示对任何一个由车辆s服客户点j,必定有且只有一个(不同于j的)由车辆s服务的客户点(包括配送中心)i,车辆s从客户点i到达客户点j,而对由车辆s服务的客户索空间,具有较强的实用性,并可人为地控制迭代次数,反复求解,该算法具有收敛速度快、使用灵活、较少受初始条件限制等特点,在VRP中得到一定的应用。(2)禁忌搜索算法是一种对局部邻域搜索扩展后的全点i同样存在由车辆s服务的另一客户点,车辆s是从该客户点到达i的;(4)式中,qs表示由车辆s的最大承载量,每辆车装载的货运总量不得超过本辆车的最大承重量;(5)式保证了每个客户点仅能由一
12、辆车完成,而所有运局逐步寻优的算法,也是人工智能要组合优化算法中的一个成功的应用。由于该算法的搜索速度快、通用性强、效率高、易实现,适用于大规模的优化计算,因此随着VRP复杂性的提高和问题领域的延伸,该算法在近些年来更是得到广泛的应用,可以成功地应用于许多经典的VRP。(3)蚁群算法通过模拟蚁群觅食行为提出的一种基于输任务则由k辆车协同完成。3VRP常用的算法分析对VRP的算法的研究一直是我们研究工作的重点和难点,不少科学家在对该问题的复杂性进行论证和分析的同时,证明了所有的VRP均为难题。为了找到满足条件的最种群的模拟进化算法来寻求问题的解。它是一种构造算法,在(下转第71页)第1期贾鹏程:
14、针对高校媒体资产管理平台面向校外师生,实现远程拨入校园多媒体资源的功能需求,分析并提出了一种基于多媒体数据传输的远程接入系统架构,以解决目前VPN系统在传输多媒体资源时所面临的困难,识与技术,2009(4):825-4王宏.SSLJ.商业现代8):46.tiofVPNTechnologyintheCollegeMediaAssetManagementSystemJiaPeng2cheng(DepartmentofInformationTechnology,CommunicationUniversityofChinaNanjing,NanjingJiangsu211172,China)Abstr
15、act:Collegesmediaassetmanagementsystemtakesmultimediadataofcollegesasthemanagementobjects.Itprovidesserviceforthewholeteachersandstudents,andthenetworkcoverstheentirecampusmultimedianetworkmanagementsystem.Inordertosolvetheproblemthatteachersandstudentsthatinoff2campuscanremotelyusethemultimediareso
16、urcesoncampus,thispaperex2ploresasuitablecollegeVPNtransmissionmodetoaccesscollegesmultimediadatabycomparingwithtwokindsofVPNtechnologiesthatisSSLandIPSEC.Keywords:SSLprotocol;IPSECprotocol;campussafety;multimedia(上接第60页)间的随机性。对于这些问题的研究,也是非常重要的。参考文献1BodinL,GoldenBD,LAssadA,etal.RoutingsChed2ulingofV
17、ehicleandCrews:theStatesArtJ.Computer&OpertionsResearch,1983(10):7-10.2于姗姗.浅谈物流配送中的车辆路径问题J.商场现每次迭代时都用在前面的迭代中所收集到的一些信息来产生上些新解。该算法具有群体合作,正反馈选择,并行计算三大特点,并易与其他方法结合,具有较强的鲁棒性。因此该算法具有很强的发现较好解的能力。(4)遗传算法6是基于“适者生存”的一种高度并行、随机和自适应的优化算法,通过多个个体间的复制、选择、交叉等的遗传操作,相互协力地进行解的探索,最终收敛到“最适应”的个体,从而求得问题的最优解或者是近优解。该算法已被
18、许多人应用到VRP的求解中,显示了该算法在解决该问题时的巨大潜力和诱人前景。代化,2009(4):26.3赵振华,王杰,娄春元.物流配送中车辆路径问题的算法研究J.物流科技,2007(1):93-94.4刘静.VRP的求解方法及优化算法综J.商业文化学术探讨,2007(7):225.5孙丽君,胡祥培,王征.车辆路径规划问题及其求解方4结束语目前VRP模型方面虽有许多研究,但缺少综合方面的研究。而在现代物流配送活动中,经常会遇到随机型的物流配送问题,如客户数的不确定、客户需求的不确定、在配送途中不仅有送货行为可能还会有拉货的情况,以及车辆行驶时法研究进展J.系统工程,2006(11):31-33.6吴淑娟.配送车辆线路优化算法研究D.南京:河海大学(硕士学位论文),2005.StudyontheModelandAlgorithmforVehicleRoutingProblemNieYan2fang(TaiyuanVocationalInstituteofTourism,TaiyuanShanxi030032,China)Abstract:Inrecentyears,withtherapiddevelopmentoflogisticsinourcountry,ve