分布估计灰狼算法求解低碳选址路径问题

针对碳定价背景下的低碳选址路径问题(Low-Carbon Location Routing Problem, LCLRP),首先构建了一种考虑油耗和碳排放成本，并以最小化设施选址成本、车辆启用成本以及运输成本为目标的选址-路径模型；其次，根据模型的特征，设计了一种分布估计灰狼算法(Grey Wolf Optimizer with Estimation of Distribution Algorithms, GWOEDA)对其进行求解。算法利用概率模型引导灰狼，并利用多父代交叉和两种邻域搜索算子增强了算法的全局搜索与局部搜索性能。算例分析结果表明：加入概率模型学习能力的灰狼算法在选址路径问题上有更好的寻优能力，并且在碳定价背景下，所构建的模型可以有效降低总成本和碳排放量。     

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

基于分支定价算法的电动车与燃油车混合车辆路径问题研究

随着电动物流车的日渐普及,越来越多物流企业的配送业务由传统燃油车和电动物流车共同完成.针对燃油车与电动车混用的情形,综合考虑两者在最大载重、最大行驶里程、运营成本的差异,以及电动车的充电行为,研究了带时间窗的电动车与燃油车混合车辆路径问题.构建了该问题的整数规划模型,并基于Dantzig-Wolfe分解原理将所建模型重构为主问题和子问题模型.就问题较小规模和较大规模两种情形分别设计了能快速获得初始解的启发式规则和遗传算法.以此为基础,设计分支定价算法获取最优解,并通过与CPLEX的对比,验证模型和算法的正确性.最后,就车型配比、载重、电池容量、充电率等因素对配送系统总成本的影响进行了灵敏度分析,并提出了相应的管理建议.     

废弃物回收物流中的选址-路径问题

从系统研究的角度出发,同时研究固体废弃物回收中转站的选址和废弃物运输路线的安排,建立了选址路径规划问题的模型———PLRP IF模型,并采用两阶段Tabu搜索启发式算法对该模型进行求解,得到合适的中转站位置和数目,并给出了较优的车辆调度.最后,通过算例验证了模型和求解算法的有效性.     

不确定条件下的应急物资配送选址-路径问题北大核心CSSCI

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

中国产业CO2排放的因素分解: 基于LMDI模型

将LMDI方法与投入产出结构分解技术相结合, 建立了中国产业CO₂ 变动的结构分解模型, 并 通过中国1997、2002、2007年不变价投入产出表, 分析了1997-2007年全周期以及1997-2002 年与2002-2007年两个子阶段中国产业 CO₂ 排放变动的主要影响因素. 分析结果表明, 最 终需求总量变化是驱动中国产业 CO₂ 排放增加的最主要因素, 其中出口、投资要比国内最终消费的 影响力更大; 各产业能耗强度的下降是中国产业 CO₂ 减排的最主要的影响因素. 从产业视角看, 能源工业与重制造业是中国产业 CO₂ 排放的'大户'. 长期看, 中国世界工厂的地位不转变, 能 耗继续上升与 CO₂ 排放增加的趋势则很难改变. 中短期内, 适度增加进口、抑制出口, 改 变进出口结构, 同时继续降低各产业、尤其是能源工业与重制造业的能耗强度, 是抑制中国产业CO₂ 排放过快增长的主要途径.     

两阶段优化算法求解绿色装箱车辆路径问题

带二维装箱约束的绿色开放式车辆路径问题（green open vehicle routing problem with two-dimensional loading constraints, 2L-GOVRP）是绿色开放式车辆路径问题和二维装箱问题的集成。以最小化燃油消耗量为优化目标建立了2L-GOVRP模型,并提出一种两阶段优化算法（two stage optimization algorithm, TSOA）进行求解。TSOA的第一阶段,针对车辆路径问题,设计自适应鲸鱼优化算法（adaptive whale optimization algorithm, AWOA）进行求解,从而确定车辆初步配送路径（即2L-GOVRP的初始解）,并采用4种变邻域局部操作进行局部搜索。TSOA的第二阶段,针对二维装箱问题,设计融入扰动机制的天际线填充算法（skyline filling algorithm combined with disturbance mechanism, SFA-DM）优化装箱过程,从而确保所有货物能够合理装箱。 通过对不同客户规模测试数例的仿真实验和算法比较,验证了TSOA可有效求解2L-GOVRP。     

带装载能力约束的开放式车辆路径问题及其禁忌搜索算法研究

对另一种类型的车辆路径问题——开放式车辆路径问题进行了研究 .提出了一种用于求解带装载能力约束的开放式车辆路径问题的禁忌搜索算法 .给出了算法对测试算例的运算结果 ,并与文献中目前最好的结果进行比较 .比较结果表明 ,在绝大多数情况下 ,该算法能求出更好的解 .     

基于陆海协同的海上战略投送选址-路径优化

陆海协同海上战略投送过程中需解决选址-路径优化问题,本文分析了在突发事件背景下陆海协同运输体系的运作机理和特点,构建了以下水港选址、运输船舶航次、航线配置以及天气条件等不确定性因素为变量、以投送时间最短为目标的选址-路径优化模型.根据模型的特点与不同算法的优势,提出了一种以遗传算法为外层框架构成优化循环,其中镶嵌基于仿真的改进模拟植物生长算法形成内部模块,求解出染色体对应的目标函数,再通过信息传递完成内外交互运算的集成算法.最后,以我国对南海海上战略投送为例进行了选址-路径优化设计,取得了较好结果,从而证明了文章所建模型与算法的合理性和有效性.     

带时间窗的开放式满载车辆路径问题建模及其求解算法

为满足某些企业的满载运输需求, 针对运输任务对车辆具有独占性的特点, 分析得到总运输费用的大小取决于车辆的空车运行费用, 在此基础上, 将带时间窗的开放式满载车辆路径问题转化为带时间窗的多车场开放式车辆路径问题, 建立了相应的数学模型, 并设计了改进的自适应遗传算法进行开环路径求解, 并把算法应用于某木材厂的周运输计划的制定, 算法在很短时间内求得了运输方案, 比木材厂原运输方案减少了车辆数, 并节省了运输费用. 实验证明, 算法是可行和有效的.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

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。     

基于模糊时间窗的带容积约束选址路径问题

针对现实物流配送过程中顾客存在弹性预约服务时间的特征,采用时间窗模糊化处理方法,定义客户满意度函数,准确地反映客户需求与偏好。在仓库容量约束和车辆容量约束的基础上,以总成本最小和客户满意度最高为原则,建立基于模糊时间窗的有容积约束的双目标选址-路径问题模型。构造求解带模糊信息双目标模型的两阶段模拟退火算法,算法结合了扩展的节约里程算法与改进的邻域操作,同时嵌入模糊优化程序以处理问题的模糊特征。最后进行数值实验,通过算例验证了模型和改进算法的可行性和有效性,可为实际的选址与运输决策提供重要参考依据。     

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.     

基于客户满意度的MOVRPFTW的单亲遗传混合蚁群算法

为解决基于时间窗和食物新鲜度形成的综合客户满意度，且具有最大运输时间限制的带模糊时间窗的多目标车辆路径问题（MOVRPFTW），建立了相应的数学模型。针对蚁群算法容易陷入局部最优的缺陷，将单亲遗传算法和蚁群算法相结合，利用单亲遗传算法的3种遗传算子和区别于传统遗传算法的两种操作手法，构建了多种单亲遗传混合蚁群算法，并进行算例测试。结果表明：与基本蚁群算法相比，单亲遗传混合蚁群算法求出的解的各项目标的平均值更优；同时，单点单亲遗传混合蚁群算法较多点单亲遗传混合算法在求解此问题中的用时更少、计算效率更高，并且移位算子较其他两种算子具有较好的求解性能。     

汽车发动机零部件包装箱池化管理及配送网络优化

分析汽车发动机制造商的零部件入厂物流模式与包装箱使用现状,基于制造商的零部件需求,提出设置包装箱池化中心及同时取配空重箱的Milk-run运输模式。构建池化中心选址与包装箱及零部件运输组织优化模型,以综合物流成本最低为目标,确定池化中心的选址方案与零部件的配送路径。设计求解算法求解模型,并基于敏感性分析探讨池化中心的变化对零部件入厂物流费用的影响。     

资源共享模式下多中心共同配送电动车辆路径优化问题

针对电动车辆路径优化在充电站共用和车辆共享相结合方面存在的不足,提出充电站和电动车在多服务时间段内共享以及多中心间的集中运输调度策略,研究了基于资源共享的多中心共同配送电动车辆路径优化问题。首先,构建了包含电动车租赁成本、电量消耗成本、服务成本、违反时间窗惩罚成本的运营成本最小化和电动车使用数最小化的双目标优化模型。其次,根据模型特点设计了考虑客户地理位置和需求时间窗的3D-K-means时空聚类算法,提出一种基于Clarke-Wright(CW)节约算法的多目标粒子群(MOPSO)混合算法(CW-MOPSO)。该混合算法集成了CW节约算法生成的初始解,并在MOPSO中设计了充电站插入策略、外部存档更新策略和资源共享策略,提高了帕累托优化解的质量。再次,与非支配排序遗传算法、多目标遗传算法和多目标梯度进化算法进行了对比分析,验证了CW-MOPSO混合算法的有效性。最后,结合重庆某物流企业的实际数据对资源共享模式下多中心共同配送电动车辆路径优化问题进行研究,探讨了电动车在充电站的排队等待时间存在不确定性、电动车电量消耗和速度呈阶梯性关系以及不同资源共享模式下多中心共同配送的运营成本、电动...     

综合客运枢纽接运公交线路优化设计

分析了综合客运枢纽接运公交线路优化设计问题的内涵及作用,构建了以运输效率最大和布设线路最小为双目标的优化模型,并将它转化为一类特殊的取送一体化的开放式车辆路径问题进行求解,给出了求解的禁忌搜索算法。最后通过案例进行了验证,证实了该算法具有良好的寻优性能。     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

带限制期的震后应急物资配送模糊多目标开放式定位-路径问题

为提高震后应急物资配送绩效,针对应急物资配送中心选址与配送车辆路径安排的集成优化问题,综合考虑应急物资需求的模糊性、限制期和多次往返配送,有限数量不同类型的配送车辆,开放式车辆路径,有容量限制的临时物流设施选址以及震后路网部分受损等特点,以各物资需求点的应急物资运达时间之和以及系统总成本最小为目标,采用机会约束规划方法建立了一个模糊多目标开放式定位-路径问题(LRP)优化模型,并设计了一种结合启发式规则的混合遗传算法。最后,对该模型和算法进行了数值验证,并通过与NSGA-Ⅱ多目标遗传算法的比较,证明该混合遗传算法具有良好的性能,从而为解决震后应急物资配送的模糊多目标LRP提供了有效的方法。