时变车辆路径问题的启发式算法

标准的带时间窗车辆路径问题一般假定车辆的行驶速度保持恒定,然而在实际应用中车辆的行驶速度通常是时变的,因此近年来时变车辆路径问题正日益成为该领域的研究热点.本文对时变车辆路径问题的求解策略进行了研究,并设计了一种两阶段启发式算法对问题进行求解,算法的第一阶段提出了一种"最先过期用户优先"的启发式算法求得初始解,第二阶段利用模拟退火算法对初始解进行了改进.实验结果表明该算法可以有效地求解时变车辆路径问题.     

干线运输优化的两阶段局部搜索启发式算法

干线运输的车货匹配及车辆运输路径优化对于降低大规模、多分布网点的物流企业的运输成本有重要意义.建立了干线运输的发车费用模型及总费用模型,提出应用一种基于直达网络搜索和车辆行驶路径搜索的两阶段局部搜索启发式算法进行求解.通过对企业实际数据的计算,表明该算法优化了干线运输的运输路径,减少了运输车辆数,降低了运输总费用,具有较好的应用前景.     

一种高效的实时交通信号灯控制算法

针对交通信号灯实时控制问题,设计了一种以最小化车辆等待时间为目标的数学模型,并给出了一种能求解该模型最优解的启发式搜索算法.仿真结果显示启发式搜索算法存在求解时间长,求解效率不稳定等问题.因此在原算法基础上加入了多阶段决策优化方法,并且在各个阶段中采用了限时搜索,使得算法能在固定时间内得到结果,保证了算法的稳定性和实时性.通过实际数据仿真显示,优化后的算法对比固定周期算法减少了车辆的等待时间;对比原始的启发式搜索算法,提高了求解效率,满足了实时控制的要求.     

物流配送中的绿色车辆路径模型与求解算法研究综述

随着绿色物流的发展,绿色车辆路径问题(green vehicle routing problem,GVRP)已引起学界的广泛关注,但关于GVRP最新研究进展的综述文献较少.首先,简要介绍GVRP基础模型和油耗/碳排放的主要测度方法;其次,根据GVRP环境效益优化目标及目标函数的构成,将GVRP模型分为油耗/碳排放最小化VRP、综合成本最小化VRP和多目标VRP三种类型,并从优化目标、油耗/碳排放的影响因素和测度模型,以及约束条件等方面进行分类综述;然后,简要介绍求解GVRP模型的精确算法、启发式算法和元启发式算法,并对应用较为普及的主要元启发式算法进行分析;最后,阐述了即时物流配送、冷链物流配送、电动车物流配送和共同物流配送等GVRP新的应用领域,指出了GVRP理论和方法的发展趋势.     

基于能耗的带时间窗车辆路径问题建模与仿真

基于节能环保的新视角,研究了以总油耗最小为目标的萨时间窗车辆路径问题,建立了基于油耗的数学规划模型,提出了随机变邻域禁忌搜索算法.该算法选用自适应并行算法构造初始解,采用了随机变邻域搜索和重起策略.最后,对具有不同目标的带时间窗车辆路径问题进行了数值仿真,并对客户规模、等待期油耗率和时间窗的变化进行了性能分析.仿真结果表明,基于总油耗的路线安排比传统的以总运行距离或总运行时间最小为目标的路线安排具有更好的节油潜力,也更能减少对环境的污染.     

时变网络下考虑碳排放的车辆路径优化

针对城市配送中的车辆调度与路径分配问题,以时变网络下旅行速度的变化为关键变量,建立考虑旅行时间和碳排放量的多目标车辆路径问题的非线性混合整数规划模型,采用改进的多目标粒子群优化算法对问题进行求解。并以"城市货的"的实际配送数据为例进行数值实验,分析时变网络的优越性,以及客户满意度和车辆容量对Pareto结果的影响,为考虑碳排放的城市配送问题提供理论指导。     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.     

基于SWEEP方法的改进车辆路径协作策略研究

针对需求随机的车辆路径优化问题,提出了一种基于SWEEP方法的改进车辆路径协作策略,构造了基于该策略的车辆任务量分配模型、设计了求解该模型的启发式算法。该策略采用SWEEP规则对基本车未完成任务的客户重新进行路径优化,然后利用SWEEP车服务这些客户,以缩短客户的服务时间、减少运输成本。应用此方法对24个不同规模的车辆路径优化问题进行了计算机仿真,结果表明,该任务分配模型和算法具有较强的适用性,改进的SWEEP协作策略能够有效地解决解随机车辆路径问题。     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

基于GA-TS的开放式车辆路径优化算法及应用

针对带装载能力开放式车辆路径问题,提出了一种基于遗传算法和禁忌搜索(GA-TS)的混合优化算法,将GA的并行计算、全局优化与TS的禁忌技术、快速局部搜索等特性相结合。该算法根据服务点需求及车辆装载能力,采用自然数编码,进行GA全局优化,种群中个体以一定的概率进行TS局部搜索,即对同属一辆车配送的所有服务点进行局部TS路径优化。既保证了优化的全局性,又保证了运算的速度性。应用于郑州煤电物资供销有限公司煤矿物资运输的车辆路径优化中,得到了最经济的运输路径,节约了成本。     

物流配送车辆路径优化的模糊规划模型与算法

将实际的物流配送网络描述为由配送中心和顾客两类节点构成的不完全无向图，并采用模糊数表示车辆行驶时间和顾客服务时间的不确定性，建立了物流配送车辆路径优化的模糊规划模型。为了求解上述模型，首先将模型进行清晰化处理，使之转化为一类确定性多设施车辆路径模型，然后设计了嵌入FLOYD算法的捕食搜索算法对之进行求解。通过仿真实例计算，并与遗传算法比较，取得了满意的结果。     

碳交易机制对物流配送路径决策的影响研究

针对碳排放交易机制下的物流配送路径问题,引入考虑车辆载重和速度的碳排放度量方法,以TSP为基本参考模型,建立碳排放交易机制下的物流配送路径优化模型. 将该模型与传统的仅考虑经济费用的路径优化模型进行比较,说明碳排放交易机制下的路径安排策略能够有效减少碳排放. 通过数值实验探讨了碳交易、碳价格和碳配额对物流配送路径策略、碳排放量和总成本的影响. 并根据数值实验结果提炼出了一些对物流企业如何控制成本和降低碳排放的配送决策建议.     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

电动汽车/传统汽车混合车队配置及路径优化模型

针对电动汽车、传统汽车共存的企业车队管理现状，提出电动汽车/传统汽车混合车队配置及路径优化模型。模型考虑两类汽车在固定成本、可变成本和续航里程方面的不同，得到混合车队的最优配置及路径结果，同时考虑充电设施的影响。通过改进目标函数中可变成本的非线性特点，将模型转化为标准的线性规划。设计结合分散搜索和改进蚁群算法的混合启发式算法，并将其与Cplex进行对比，证明其有效性。结果表明：高固定成本和低可变成本使电动汽车需要长距离配送，而有限续航里程则限制了配送距离，两者的矛盾使电动汽车的定位模糊，影响企业的采纳；续航里程增加无法彻底改变车队配置结果；充电设施能够影响企业电动汽车的采纳结果。