基于模糊时间窗的车辆调度干扰管理研究

为解决由顾客需求变动引发的物流配送干扰问题,最大化满足顾客需求并兼顾企业利益,提出基于模糊时间窗的车辆调度干扰管理方法.采用干扰管理思想对由客户需求变动引起的实时车辆调度问题进行研究,在深入分析现实中客户服务时间要求特征的基础上,把客户满意度水平定义为模糊时间窗的隶属度函数,并提出了车辆调度干扰恢复问题转换策略,构建了基于模糊时间窗的客户需求变动干扰管理救援模型,实现从顾客、驾驶员和供应商3方面对干扰影响程度的度量.为寻求最优解,设计模糊遗传算法,并改进了基于客户点的编码方式.在算法中用模糊优化程序处理问题的模糊特征,通过对客户服务时间的局部调整来确定最佳服务时间.实例结果表明了时间窗模糊化处理、扰动恢复模型及算法在应用中的有效性.     

带软时间窗整车物流配送路径优化研究

为更好地解决整车物流配送问题,提高客户满意度,以总成本最小化为目标,构建了带软时间窗约束的整车物流车辆路径优化问题模型,进而对于该模型设计了自适应遗传算法,并用成品汽车配送案例对算法进行了验证.算例的数值结果表明,基于自适应遗传算法提出的整车物流车辆路径优化方案,可以满足分销商和客户需求,能够减少配送车辆数量、节省早到或晚到惩罚成本、提高企业的经济效益.该研究为改善整车物流配送问题提供了新的解决思路.     

基于汇集预测的随机客户需求配送车辆调度问题

针对物流配送过程中客户需求随机出现的车辆调度问题，结合客户随机需求信息和经验数据，运用汇集预测方法，生成合理的虚拟客户出现的概率及其位置和需求量；在分析客户不满意度函数的基础上，综合考虑配送车辆调度方案的经济性和客户满意度两方面因素，提出了加权广义配送总费用最小化目标；依照车辆先真实后虚拟客户配送的原则，建立了配送车辆调度模型，设计了与局部搜索相结合的改进遗传算法。Solomon标准测试算例验证了模型与算法的有效性与适用性，结果表明，相比于现有的其他方法，本文方法制定的配送车辆调度方案不仅能有效降低物流企业的总配送成本，而且能快速响应客户需求，提高客户满意度和服务水平。     

基于电商承诺送达机制的低碳“同日达”配送路径规划

针对"同日达"物流配送中的承诺送达机制,提出一种同时考虑消费者满意度和碳排放量的物流配送问题,基于电商平台配送成本、消费者满意度以及碳排放量三个方面,建立多目标多配送站"同日达"配送路径优化模型。根据建立的优化模型,提出一种改进后的人工蜂群算法进行求解,将"就近原则"引入初始化阶段,从而使多配送站问题转化为单配送站问题,并通过精英保留策略有效地利用种群中优势解的有利信息,从而提高对其最优解的搜索效率。实验结果表明,所提出的优化模型和算法的求解结果能够兼顾物流成本、消费者满意度和碳排放量三个目标。     

前景理论下的末端物流干扰管理方法研究

针对末端物流配送过程中可能出现的配送时间窗更改、送货地址变化等动态扰动问题,提出了基于前景理论的价值函数度量策略和基于量子理论的多目标优化求解方法.首先,对末端物流干扰管理问题进行了描述;然后,为度量用户对货物期待的心理感知度,建立了末端物流配送干扰管理模型,并设计了基于前景理论的价值函数曲线和扰动度量策略;在此基础上,为优化干扰管理模型和寻求用户满意度、配送成本以及配送效率等多目标优化问题的较优解,提出了一种融入量子理论的改进细菌觅食方法;最后,将所提出的方法与已经存在的经典算法进行比较,验证了该方法的可行性和有效性.     

考虑新鲜度的农产品冷链物流配送受扰恢复模型

冷链物流配送过程中干扰事件发生后,初始配送方案将不再最优甚至根本不可行,此时如何生成副作用最小的调整方案,快速恢复配送的正常运行,是当前研究的难点.本文运用干扰管理思想,通过度量农产品新鲜度和配送服务时间,创建农产品冷链物流配送的受扰恢复模型;进而在目标节点选择策略、解空间缩减策略和算法融合策略的基础上,提出求解该模型的启发式算法.算例结果表明:与重调度方法相比,本文方法充分考虑了农产品的质量安全,生成的调整方案扰动更小,因此更为实用.     

考虑物流配送路网结构及配送量约束的客户聚类算法

物流配送客户聚类问题是物流配送研究领域的基本问题,实际问题要求考虑客户分布的地理特性、客户配送量(即需求量)及配送车辆负载量等因素.针对配送中心未知的客户聚类问题,提出了一种考虑配送路网结构和配送量约束的聚类算法.利用所提出的"最短主干道距离",克服传统欧式距离不考虑配送道路信息的缺陷,在此基础上,利用约束聚类思想对传统k中心划分聚类算法CLARANS进行改进,使其在考虑地理信息的同时,能满足客户配送量和车辆负载量约束.最后对提出的算法进行了数值实验.     

生鲜农产品多隔室冷链配送车辆路径优化

针对生鲜农产品需求呈现出的高鲜活度、多品种、小批量特性,越来越多的生鲜农产品配送商采用多隔室配送车辆进行生鲜农产品冷链物流配送。本文以生鲜农产品配送商配送成本最小化为目标,建立了生鲜农产品多隔室车辆路径优化模型,然后设计粒子群算法进行求解,最后通过实例验证了粒子群算法在求解生鲜农产品多隔室车辆路径问题时的优越性和稳定性。实验结果表明:粒子群算法不仅可以从配送成本实现对生鲜农产品多隔室车辆路径问题的优化,而且该算法具有良好的收敛性。     

基于实时信息的城市配送车辆动态路径优化

针对城市物流配送的现状,研究了信息在配送过程中实时变化的动态车辆调度问题。分析了需求量在配送途中发生变化、需求点增减、道路交通中断、车辆在行驶过程中出现故障四种动态事件情形下的配送线路实时优化问题。通过引入虚拟顾客,将动态车辆路径问题转化为经典的静态单车型车辆路径问题,提出了动态车辆路径问题的模型构建方法。分构建初始线路和对线路进行实时优化两阶段完成对配送线路的规划,并运用混合遗传算法对其寻优。实验结果表明,本文模型和算法可以有效降低企业配送成本。     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

多级供应链服务时间窗下物流资源整合优化

为降低多级供应链物流成本,优化供应链物流响应周期,研究了带软时间窗约束的多级供应链物流服务资源整合问题。通过满意度函数对供应链物流周期优化结果进行评价,以最大化供应链总体满意度和最小化服务集成商物流本为目标,建立了多目标优化模型。针对该模型,设计N SGA-II算法予以求解。算例分析表明:与供应链物流运作独立决策模型相比,该模型可以实现各级供应链物流运作的有效协同,不仅能减少物流配送延迟时间,还有助于降低物流运作成本。     

物流配送延迟的一个干扰管理模型

针对配送延迟造成物流服务水平下降的问题,本文在总的配送延迟时间满足事先控制量的前提下,以与原方案干扰偏差最小为目标,建立了物流配送延迟的干扰管理模型.同时,结合仿真实例,运用遗传算法对模型进行了求解及比较分析,结果验证了模型的有效性.     

基于弹性供应链的易腐品物流配送计划

针对弹性供应链的易腐品物流配送计划问题,在网络正常运行和单一节点失效的情况下,分别建立了在有限资源约束下的单目标多时段成本优化数学模型,以实现供应链运行总成本最小。用CPLEX软件求解该问题,通过与网络正常运行时的比较,得到各时段应急调度计划、库存量,以及部分满足用户需求时的各节点的扩容策略。仿真实验结果表明了所提出的求解该问题的应急方案是有效的。     

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.     

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。     

基于蚁群优化的多物流配送中心选址算法

提出了一种解决多物流配送中心选址问题的蚁群算法模型,该模型将物流配送中心选址映射成一个聚类过程,利用蚁群系统中蚂蚁通过信息素寻找最优路径的机制,以物流配送的总成本最低为聚类准则,结合蚂蚁将物体聚堆的行为模式来定义蚂蚁的转移概率、禁忌列表和信息素更新方式,实现基于蚁群优化的物流配送中心选址算法.对多配送中心选址进行了仿真实验,实验结果表明本算法能获得与实际情况相符的配送中心最优解,且适合多种不同的配送中心模型和大规模的配送中心选址,具有较强的灵活性.     

基于区间估计的系统综合评判仿真方法

传统的综合评判方法由于不能充分利用各种信息,因而可信度不高.把指标满意度、系统综合满意度看作随机变量,提出了一种基于区间估计的仿真方法,用于系统的综合评判.这一方法通过区间估计得到指标满意度的分布,通过仿真得到系统综合满意度的分布.这样,既方便了指标的量化,又可以提供更为丰富的信息.通过算例,验证了该方法的可行性和评判效果.     

未定路网结构情况下应急物资车辆配送问题模型与应用

重大自然灾害往往毁损当地交通道路,现有应急物资车辆配送问题的研究,均是只考虑未受损道路构成的路网.实际配送中,将造成车辆因毁损路段而绕行,相对增加配送时延,总体上不能保证取得最佳配送效益.利用物资要素和时延要素之间的转换,同时考虑抢修毁损路段和车辆配送,实施路网结构、车辆路径联合优化,可求得最符合决策者意图的配送效益.建立了问题联合优化模型,提出了基于遗传算法和动态规划的求解方法,并结合算例,验证了问题模型及其求解方法的可行性和合理性.     

缺货的模糊需求回收物流库存控制模型及算法

为了研究模糊需求下回收物流的库存问题,对退回物品采用批量修复处理的方式,在不考虑提前期的情况下,假设销售商允许消费者退货,且退货服从Poisson分布,建立了一个包括单位购买成本、维修成本、库存成本和缺货成本的回收物流最优库存策略模型.引入模糊模拟和遗传算法相结合的混合智能算法,对不确定需求的回收物流单周期库存模型求解,以找到模糊情况下总成本的估计,从而推导出与之相对应的最优定购量.最后,应用一个实例对结果进行讨论,表明该算法有一定的有效性.