车辆调度源码
❶ 基于JAVA 的汽车租赁系统~~源代码~谢谢~高分~~！
汽车租赁系统是汽车租赁公司的办公系统，包括从车辆的购置预算，审核购置，车辆预定，合同签订，车辆交接，收款结算，车辆维修，保险，违章车辆处置等业务。汽车租赁系统是基于Internet互联网、ERP、GPS及数据库技术开发的软件，实现汽车租赁行业全业务流程的信息化，迪蒙汽车租赁解决方案是由迪蒙自主设计研发的一套多网融合汽车租赁管理整体解决方案。
迪蒙汽车租赁系统软件后台由车辆信息管理、租赁业务管理、车辆服务管理、财务管理、客户管理、统计管理、线下门店管理和系统管理八大模块组成。
1)、车辆信息管理
系统业务模块，包括车辆管理、租金设置、车辆调度和车辆优惠管理四大模块。
2)、租赁业务管理
系统业务模块，包括汽车租赁业务设置、订单管理、车辆预定管理、订单变更管理、车辆续租管理、出/还车管理、押金管理、合同管理等各种业务管理功能。
汽车租赁系统后台功能有哪些？
3)、车辆服务管理
车辆服务业务模块，包括保险管理、事故管理、违章管理、维修管理、保养管理、加油卡管理，这些主要
是租赁汽车的服务工作。
4)、财务管理
对汽车租赁业务的辅助管理模块，也是不可缺少的模块，包括账单管理、发票管理、调账管理和资金明细
等功能。
5)、客户管理
主要是针对客户信息的管理，包括个人客户管理、企业客户管理、黑名单管理、积分设置等功能。
6)、统计管理
统计管理是统计站内的数据，包括用户统计、订单统计、成本统计、资金统计和车辆统计等。
7)、线下门店管理
汽车租赁公司的另一辅助模快，包括系统用户管理、门店设置和员工管理。
8)、系统管理
系统管理维护模块，包括站点管理、APP管理、基础设置、提醒管理。
迪蒙汽车租赁解决方案融合了共享经济理念，通过先进的移动互联网技术，对传统汽车租赁系统进行了互联网化改造，不仅覆盖了传统租赁业务模式，还拓展了多元化的线上汽车租赁业务。通过系统，客户不仅可以高效开展和管理线下业务，还可通过 PC 网站、APP 等渠道开展全新的线上租赁业务。最大化优化配置时间与空间，提高汽车使用效率、提升用户体验、降低企业管理运营成本，助力企业“互联网 +”升级转型。
❷ 车辆优化调度理论与方法
国外车辆优化调度研究已广泛用于生产、生活的各个方面，如报纸投递及线路的优化、牛奶配送及送达线路的优化、电话预订货物的车辆载货和线路设计、垃圾车的线路优化及垃圾站选址优化、连锁商店的送货及线路优化等等。目前，研究水平已有很大发展，其理论成果除在汽车运输领域外，在水运、航空、通讯、电力、工业管理、计算机应用等领域也有一定的应用，还用于航空乘务员轮班安排、轮船公司运送货物经过港口与货物安排的优化设计、交通车线路安排、生产系统中的计划与控制等多种组合优化问题。 在国内，该问题的系统研究还不多见。近年来本书作者及课题组成员承担了国家自然科学基金《城市货运汽车的科学调度》、《货运车辆调度优化理论及应用研究》和四川省重点软科学课题《城市货运卡车集中优化调度研究》等项目的研究工作，对车辆优化调度的基础理论及各类问题进行了较为系统的研究，开发了基于地理信息系统的可视化物流配送车辆优化调度系统软件包，2000年11月在深圳第二届中国高新技术成果交易会上发布，受到好评和重视；发表了三十多篇相关论文；获得过一项省部级科技进步二等奖。2001年又获得了国家自然科学基金项目《不确定信息条件下动态车辆路径》。
本书展示的主要是国家自然科学基金项目《货运车辆调度优化理论及应用研究》(编号79700019)的研究成果，在多项课题的研究中，取得一批成果，这本书反映的仅仅是一个侧面。在课题的研究和书稿的写作过程中，参阅了大量的国内外文献，书稿也反映了相关方面目前国际的前沿动态。该领域的研究内容非常广泛，本书还有许多方面未涉及，期望在新的课题研究中取得突破。
作者：李军
出 版 社：中国物资出版社
作者简介：李军，1967年生，管理学博士，西南交通大学经济管理学院教授。主要教学和科学研究领域为物流工程、决策分析、博弈理论及应用。主持和完成国家自然科学基金资助项目及其他省部级以上项目10余项，并获得省科技进步二等奖一项，发表论文30余篇。主编、参编教材三本，获得铁道部优秀教材一等奖、二等奖各一项。
目录
第一章 绪论
1．1 物流配送车辆优化调度的概述
1．2 物流配送车辆优化调度的研究动态和水平
1．3 货运车辆优化调度问题的分类
第二章 基本理论
2．1 组合优化与计算复杂性
2．2 启发式算法理论
2．3 遗传算法理论
第三章 基本问题
3．1 图的基本概念
3．2 最小生成树
3．3 最短路问题
3．4 最大流问题
3．5 最小费用流问题
3．6 中国邮递员问题
3．7 旅行商问题
第四章 集货或送货非满载车辆优化调度启发式算法
4．1 引言
4．2 模型分析
4．3 C—W节约启发式算法
4．4 分派启发式算法
4．5 多车场多车型问题
第五章 集货和送货一体化非满载车辆优化调度启发式算法
5．1 引言
5．2 网络启发式算法
5．3 组合启发式算法
第六章 非满载车辆优化调度遗传算法
6．1 自然数编码遗传算法理论研究
6．2 旅行商问题的遗传算法
6．3 一般车辆优化调度问题的遗传算法
6．4 时间窗车辆优化调度问题的遗传算法
第七章 单车型满载车辆的优化调度
7．1 引言
7．2 调度解的获得
7．3 解的调整
7．4 解的连通化
7．5 线路的组织与调整
第八章 多车型满载车辆的优化调度启发式算法
8．1 概述
8．2 算法分析
8．3 实例分析
第九章 车辆优化调度算法的计算机实现
9．1 系统基础数据
9．2 系统算法实例
第十章 基于地理信息系统的物流配送可视化车辆优化调度系统
10．1 系统基础设计
10．2 系统集成结构设计
10．3 系统总体设计
参考文献
❸ 急求matlab车辆调度遗传算法代码，需求车辆行驶最优路径。
function [path,lmin]=ga(data,d) %data为点集,d为距离矩阵，即赋权图
tic
%======================
sj0=data;%开环最短路线
%=================================
% sj0=[data;data(1,:)]; %闭环最短路线
%=========================
x=sj0(:,1);y=sj0(:,2);
N=length(x);
%=========================
% d(N,:)=d(1,:);%闭环最短路线
% d(:,N)=d(:,1);%距离矩阵d
%======================
L=N; %sj0的长度
w=800;dai=1000;
%通过改良圈算法选取优良父代A
for k=1:w
c=randperm(L-2);
c1=[1,c+1,L];
flag=1;
while flag>0
flag=0;
for m=1:L-3
for n=m+2:L-1
if d(c1(m),c1(n))+d(c1(m+1),c1(n+1))<d(c1(m),c1(m+1))+d(c1(n),c1(n+1))
flag=1;
c1(m+1:n)=c1(n:-1:m+1);
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
<a href="https://www..com/s?wd=end&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">end</a>
end
J(k,c1)=1:L;
end
J=J/L;
J(:,1)=0;J(:,L)=1;
rand('state',sum(clock));
%遗传算法实现过程
A=J;
for k=1:dai %产生0～1 间随机数列进行编码
B=A;
c=randperm(w);
%交配产生子代B
for i=1:2:w
F=2+floor(100*rand(1));
temp=B(c(i),F:L);
B(c(i),F:L)=B(c(i+1),F:L);
B(c(i+1),F:L)=temp;
end;
%变异产生子代C
by=find(rand(1,w)<0.1);
if length(by)==0
by=floor(w*rand(1))+1;
end
C=A(by,:);
L3=length(by);
for j=1:L3
<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>=floor(1+fix(rand(1,3)*N)); %产生1-N的3个随机数
<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>=sort(<a href="https://www..com/s?wd=bw&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">bw</a>);
C(j,:)=C(j,[1:bw(1)-1,bw(2)+1:bw(3),bw(1):bw(2),bw(3)+1:L]);
end
G=[A;B;C];
<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>=size(G,1);
%在父代和子代中选择优良品种作为新的父代
[<a href="https://www..com/s?wd=dd&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">dd</a>,IX]=sort(G,2);
temp=[];
temp(1:<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>)=0;
for j=1:<a href="https://www..com/s?wd=TL&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">TL</a>
for i=1:L-1
temp(j)=temp(j)+d(IX(j,i),IX(j,i+1));
end
end
[DZ,IZ]=sort(temp);
A=G(IZ(1:w),:);
end
path=IX(IZ(1),:)
% for i=1:length(path)
% path(i)=path(i)-1;
% end
% path=path(2:end-1);
lmin=0;l=0;
for j=1:(length(path)-1)
<a href="https://www..com/s?wd=t1&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">t1</a>=path(j);t2=path(j+1);
l=d(<a href="https://www..com/s?wd=t1&tn=44039180_cpr&fenlei=-CEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-" target="_blank" class="-highlight">t1</a>,t2);
lmin=lmin+l;
end
xx=sj0(path,1);yy=sj0(path,2);
plot(xx,yy,'r-o');
axis equal
toc