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。     

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...     

回载可分的闭环供应链多车辆运输策略

从车辆路径的角度研究了具有一个配送中心、多台车辆结合前向物流配送和逆向物流回载的闭环供应链运输策略,考虑到逆向物流中回收产品的数量不确定性、不同形态及可分批运输的特点,引入冗余库存限制和成本惩罚,建立并分析了问题的数学模型.通过引入2σ原则构造了先寻找较优分组后组内运用基于TSP的插入算法进行优化调整的启发式求解方法.算例分析表明该策略的合理有效性.     

多中心共同配送开闭混合式的车辆路径优化问题

针对多中心共同配送开闭混合式车辆路径优化研究在资源集成共享和合作收益分配机制设计结合方面存在的不足,提出研究多中心共同配送开闭混合式的车辆路径优化问题。首先,构建了包含运输成本、惩罚成本、租赁成本和配送成本等物流运营总成本最小的优化模型。其次,根据模型特征设计了考虑客户点地理位置和时间窗约束的三维K-means聚类算法,进而提出了遗传-粒子群混合优化算法求解模型。该混合算法设计了遗传算法和粒子群算法间的选择性赋予机制,提高了种群的多样性和获取优化解的收敛性,并增强了混合算法的局部和全局搜索能力。再次,应用成本差值分配方法进行多中心共同配送的收益分配优化研究,进而应用严格单调路径原则研究了联盟合作序列选择问题,并进行了多中心共同配送的联盟稳定性检验研究。最后,通过算法比较分析和实例数据对所提出模型及算法进行了验证研究,并比较分析了不同配送模式下多中心共同配送优化方案各指标的差异,进而验证了所提方法的有效性和适用性。研究成果可为多级多中心共同配送的网络优化问题研究提供方法参考和决策支持。     

多中心开放且需求可拆分的VRPSDP问题优化

针对多中心开放式同时配集货需求可拆分车辆路径问题(MDOSDVRPSDP),建立以车辆派遣成本、理货成本以及运输成本之和最小为目标的车辆路径优化模型.设计混合遗传算法(HGA)进行求解,利用混沌系统的随机性和遍历性生成初始种群,确保初始种群的多样性,引入扰动策略以及邻域规模减少策略,提高搜索效率,采用精英策略和轮盘赌混合的选择策略,平衡种群多样性与种群质量.通过多组算例对比,验证本文模型和算法的有效性.研究成果拓展了车辆路径问题(VRP)的相关理论,既可为解决MDOSDVRPSDP问题提供一种新思路,也可为物流企业的相关决策提供理论依据.     

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。     

带时间窗集送货需求可分车辆路径问题的改进蚁群算法

围绕提高物流效率、降低运输成本,对集送货需求可分车辆路径问题进行了研究。首先考虑集送货需求可分和时间窗的约束,设计了带时间窗集送货需求可分的车辆路径模型,然后结合模型特点提出了一种改进的蚁群算法,并通过算例分析与已有文献算法结果进行比较。研究结果表明,改进的蚁群算法能够有效地求解集送货需求可分的车辆路径问题。     

渠道努力下互补型闭环供应链定价与服务决策

本文基于线上销售-线下服务的互补型双渠道闭环供应链模式,分别考虑了线上直销商主导定价和服务决策(M型),以及单一线上直销商-单一线下服务商(M-S型)基于收益共享机制的两种模型定价和服务决策,研究其产品定价,回收定价,库存决策,渠道服务努力以及最优回收量等问题.通过比较分析研究发现:渠道服务水平与服务敏感系数正相关,但回收价格较逆向渠道服务水平受服务敏感系数的影响程度在M型情景下更明显.继而我们又探讨了逐期回收情境下的定价与服务决策,发现再制造节约的成本增大,且市场需求受渠道服务更加敏感时,M型情景下的决策会提高服务水平或降低产品价格以求维持市场份额:并且当正向服务渠道收益等于逆向渠道损失时,服务商(零售商)做决策时将不再考虑直销商(制造商)的产品定价决策。最后,我们通过数值分析观察了不同的转移支付系数对正逆向服务水平比例的影响以及对决策变量的影响。     

KMG:考虑逆向物流的无人机路径规划策略研究

物流领域无人机派送正成为一种快捷高效的派件方式和应用热点.针对于正向、逆向的物流数据,无人机派送是国内外大型物流企业实施高效物流派送的重要手段.本文提出了一种融合拓展性K-Means++算法和遗传算法的路径动态规划模型(KMG),实现包含逆向物流的无人机调度策略.KMG模型将逆向物流路径融入正向物流路径之中,采用加权聚类算法确定不同属性包裹所需派送无人机的最小数量.在每一簇坐标数据的连通图中,采用遗传算法求解TSP问题,并对可行解进行编码,最终求解出最小欧拉回路.在仿真实验中,KMG模型比独立逆向物流派送的成本减少20.08%,使用拓展性K-Means++聚类计算的时间比传统K-Means算法缩短了298.85%.     

带时间窗和调货特性的多品类取送货优化算法

为了满足快时尚品连锁门店多品类的销售需求,综合考虑载重限制、多货品、门店相互调货和服务时间窗等因素,研究了同时取送货车辆路径问题。为了有效降低库存管理和运输成本,通常鼓励门店间的货品相互调配,且需要控制用车数。为此,以最小化车辆数为第一优化目标,最小化转运成本（运输成本和仓库处理成本）为第二优化目标,构建了混合整数规划模型,并设计了两阶段启发式求解算法。算法采用最短路径插入规则生成初始解,并配合8个邻域操作算子进行迭代搜索。采用该算法求解标准算例,对比文献中结果表明,其具有较好的寻优能力。基于某女鞋连锁门店的实际运营数据设计了72个算例,计算分析表明,该算法的求解能力与效率均优于整数规划模型。     

基于粒子群优化的有反向物流的车辆路径问题

在对具有时间窗、考虑反向物流的车辆路径问题进行简单描述的基础上,基于最小费用的角度构建了该问题的多目标数学模型.该决策模型综合考虑了正向和反向物流,有助于提高车辆的装载率.针对该问题提出了一种改进的粒子群算法,并用计算机进行实现,并获得很好的效果.     

存在车辆租赁及共享且有时间窗的多配送中心开环VRP

针对企业自身运力有限以及旗下多个配送中心在各决策周期运力不均衡的情况,提出了一类具有多个配送中心、需要进行车辆租赁和车辆共享、有时间窗限制、开环的VRP, 建立了相应的混合整数规划模型.通过引入一个虚拟配送中心,将多配送中心VRP 转化为单配送中心VRP, 并设计了一种结合扫描算法和C-W节约算法、对车辆路径和车辆调度统筹优化的混合遗传算法.最后,以重庆天友乳业物流分公司的业务数据对该模型的可行性和有效性进行了验证, 结果表明本文所提方法与该企业现有的配送方案相比,在配送总里程、配送总成本和车辆在途时间等方面均有明显改进.此外,进行了模型参数的灵敏度分析和算法的收敛性分析, 结果表明该算法具有较好的性能.     

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.     

求解大规模VCVRP问题的快速动态规划算法

车辆路径问题是一类典型的组合优化问题,大部分研究都只考虑车辆能力固定的情形,实际中受货物形状特性及客户需求变化,车辆的能力是受限变化的,针对能力受限变化的车辆路径问题(varied capacitated vehicle routing problem,VCVRP),基于动态规划理论,提出一种求解大规模VCVRP问题的快速动态规划算法.该算法以传统的最佳适应降序算法(best fit decreasing,BFD)和最小生成树(minimum spanning tree,MST)算法为基础,引入K步回溯,短途优先原则,实现了VCVRP中的货物装箱问题和路由选择问题的近似解耦.同时给出了该算法的优化目标车辆旅程的理论上界,短途优先原则的局部最小的理论分析与证明.最后以乘用车物流运输案例为背景,给出了计算实例,并从算法参数与算例规模多个角度进行求解质量与算法性能的分析.     

废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

边远群岛物流体系的选址-库存-路径优化

针对边远群岛海运物流体系在构建与优化中所面对的选址-库存-路径问题,从边远群岛的地理结构和自然环境出发,分析了这一特殊背景下物流体系的内在运作机理和特点.以物流节点选址、港口布局、仓储规划和航线配置为基本内容,以各岛屿物资供应不问断为前提,构建出物流成本最低的优化模型.根据问题特点,提出一种基于遗传算法和模拟植物生长算法的混合算法.通过对我国南海某群岛海运物流体系实例计算和不同算法的对比,说明所建模型和算法的合理性与有效性.最后,经过灵敏度分析,指出了决策时应更关注运输系统优化的内容.文中提出的模型、算法为边远群岛海运物流体系的构建提供了理论支撑和优化方法,对于我国南海群岛建设决策及物流体系的构建具有重要的理论意义和实用价值.     

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。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.