基于组合GA的双向物流网动态优化设计与求解

为实现整合正/逆向物流网络的动态优化,建立了随机环境下多品种、多周期、有容量限制的整合正/逆向物流网络动态优化模型,并设计了组合遗传算法(genetic algorithm,GA)进行模型求解.对整个规划期拆分成多个决策期,进行生产工厂与物流中心的准确定位,对物流网络中各节点间的流量合理优化,基于随机机会约束规划建立了物流网络动态优化模型,设计了相应的组合遗传算法.采用8个消费域,2类产品,5个备选物流中心,3个生产工厂和3个规划期数进行数值模拟仿真.结果表明,该方法可以得到设施布局决策变量最优值,能够灵活实现不同需求下物流网络的最优布局,可以有效用于物流网络的动态优化.该模型根据现实情况的需求进行合理的物流网络布局,同时可以进行灵活变换,具有重要的实用价值.     

基于混合智能算法的模糊运输问题的研究

本文研究了在模糊费用条件下的运输问题,并利用不确定理论中的机会约束规划模型和相关机会规划模型的思想,建立了具有模糊费用的运输问题的数学模型。此外,设计了一种混合智能算法,即在模糊条件下的遗传算法的应用。最后,利用这种算法求解一个算例。     

城市物流网络中中间节点分布与规模优化研究

城市物流网络由节点和链接构成,对于流通的商品物流节点是交通枢纽、中间节点和零售设施. 为使零售商品在城市内流通的总运输费用最小,利用选址模型和遗传算法优化城市物流网络中中间节点的空间分布和规模. 首先分析了城市中商品运输系统,建立了运输费用和中间节点的建设费用模型;针对零售设施对物流中间节点的选择行为,根据费用和选择模型开发了优化物流中间节点的分布和规模模型;最后,利用大连市的数据进行了实例研究,验证了模型的有效性.     

优化网络布置费用的遗传算法

【目的】针对网络布置费用的优化问题,利用基本遗传算法的良好搜索性能,设计出优化网络布置费用问题的遗传算法。【方法】通过分析网络布置费用的优化问题,抽象出网络模型,并将该问题转化为求解无向图中最小生成树的问题。【结果】基于遗传算法基本原理和抽象出的网络模型,设计出一种优化网络布置费用的遗传算法。【结论】应用遗传算法解决网络结构优化问题,可以让用户在短时间里获得一个比较满意的结果。     

考虑网络韧性的三级轴辐式物流网络模型及算法研究

为了实现城市物流运作的集约化，并尽可能降低因突发事件导致的物流供需中断，以物流节点定位和通道布局为落脚点，研究了三级轴辐式物流网络的多目标规划。考虑轴辐式网络的结构约束、多级节点间的连通关系限制，以多级轴辐点选址、轴辐点间的连通关系及强度为决策变量，以网络建设成本最小和网络韧性度最大为目标函数，构建三级轴辐式物流网络模型。结合模型的特点设计了具有双层结构的遗传算法，其中外层为三段编码结构的小生境Pareto遗传算法，用于求解多目标规划，内层为0-1编码的遗传算法，用于求解网络韧性度。以某区域14个节点城市作为案例，验证模型及算法的有效性，并将优化结果与两类传统的单目标物流网络进行了比较。研究结果表明：双层遗传算法能够有效求解三级轴辐式物流网络规划模型；选取案例计算得到的Pareto最优解参与比较分析，优化结果与传统三级轴辐式物流网络相比，网络韧性度提高了6倍，但网络建设成本也随之增加；与单纯以韧性度最大化为优化目标的物流网络相比，网络建设成本降低了7倍，网络韧性度也随之降低。可见提出的双目标三级轴辐式物流网络模型实现了网络建设成本和网络韧性度间的均衡，对于追求具备一定抗毁性能的轴辐式物流网络规划人员，具有参考和应用价值。     

B2C电子商务中物流配送中心优化设计

在考虑物流配送中心建设规模的基础上,结合B2C电子商务企业顾客需求的特点, 利用分级聚类法模糊估计各个顾客的单位商品配送运输费用,建立了B2C电子商务中物流配送中心优化设计的数学模型.该模型属于混合0-1的模糊非线性规划模型,且具有NP难性质.为求解上述模型,首先将其进行清晰化转换,然后采用嵌入表上作业法的遗传算法求解.通过算例验证了模型和算法的有效性和可行性,为B2C电子商务企业物流配送中心的合理设计提供了新的思路.     

考虑模糊需求的多式联运路径优化

多式联运可有效降低物流成本,提高物流效率.本文构建了基于运量不确定的多式联运网络规划,以节点作业时间窗和运输时限客户满意度为约束,建立了以总费用最低为目标的多式联运路径优化模型,从运输路径和运输方式两个维度选择广义最短路径.应用Lingo 12.0实现模型的求解,实验结果表明了多式联运相较单一运输方式在运输时间与费用上的优越性,并应用灵敏度分析法,对比了仅考虑运输时限约束时客户满意度的变化,展示了运量的不确定性及运输弧与节点能力对路径规划产生的影响,揭示了客户满意度、网络能力、运输路径与费用等因素的相互关系,验证了所建模型的合理性.     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

物流网络下的多产品多阶段随机库存问题

【目的】讨论集生产、运输和批发为一体的垄断制造商在不确定的环境下对多种产品做出合理的生产、销售、库存和运输决策。【方法】在一个复杂的物流网络中产品的价格和运输都不确定的大背景下,提出一个物流网络下的多产品多阶段随机库存模型,并运用随机对偶动态规划(Stochastic dual dynamic programming,SDDP)算法对模型进行求解。【结果】1)理论分析证明了在一定条件下多阶段随机库存模型的阶段数越多,收益也会越高。2)数值实验结果表明在一定条件下多阶段随机库存模型的最终收益会随着阶段数的增加而逐步提高。但在给定条件不满足的情况下,多阶段随机库存模型未必会具有优势。【结论】物流网络下的多产品多阶段随机库存模型可以在不确定的环境下,更好的对抗未来的风险,具有重要的现实意义。     

集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。     

B2C 电子商务物流中心选址-路径综合优化研究

为优化 B2C（business-to-customer）电子商务物流系统,结合 B2C 电子商务特点,构建以物流成本最小为目标函数、以运输时间和供需关系限制为约束条件的电子商务物流中心混合整数规划模型,采用改进的遗传算法将电子商务物流中心选址的混合整数规划模型求解过程转换成求解最优运输路径问题,并且设置惩罚算子对超过运输时间限制的方案进行特定的惩罚处理,设计合适的染色体编码方式、交叉算子、变异算子、惩罚函数等。通过随机生成的数据运用 Matlab 软件进行算例仿真模拟,验证模型的有效性。     

Optimization of Unbalanced Multi-stage Logistics Systems Based on Prüfer Number and Effective Capacity Coding

Unbalanced multi-stage logistics systems are optimized using an improved genetic algorithm based on the Prüfer number and the effective capacity coding. The improved decoding procedure uses the node capacity of the logistics system as an important factor, which influences the decoding procedure. As a result, any Prüfer number produced stochastically can be decoded to a feasible logistics pattern, which matchs the node capacities of the logistics system. With effective capacity coding, an unbalanced logistics system can be converted to a set of balanced systems. The effective capacity coding was combined with the Prüfer number to construct the chromosome for the new method to search the whole solution space of the unbalanced multi-stage logistics system. Simulation results show that the new method finds a better solution with less computational time than st-GA. Although using a little more memory, the new method is still an efficient and robust method for optimizing unbalanced multi-stage logistics systems.     

逆向物流中心动态选址问题的研究

在逆向物流中,集中退货中心（回收中心）管理是企业逆向物流系统高品质运作的基础和前提。随着逆向物流的发展,企业开始关注集中退货中心的选址。针对已有模型没有考虑时间变化对选址决策的影响问题,构建一个双向物流共享运输网络的动态选址模型,提出了应用动态规划的求解思想和方法并结合实例分析了在考虑时间因素时,企业如何做出规划期内选址决策的时间序列;并引入预测确定性因子来解决预测的不确定性。     

基于贪婪启发式的多期多目标动态网络选址

为弥补现有选址模型考虑需求变化及客户满意度的不足,研究了随机需求环境下的配送中心选址并设计了衡量客户满意度的函数. 运用随机机会约束规划为基本建模工具,将模型设计拓展到多期规划决策领域并构建了动态多期多目标选址模型,模型不仅考虑了最小化配送中心运作成本,而且考虑了客户最大满意度;运用主要目标法将多目标选址模型转化为单目标选址模型,采用满意度高优先的客户指派原则设计了贪婪启发式求解算法. 算例结果表明,模型的非劣解包含了传统的以最小化物流成本为目标的选址模型的最优解,从而为配送中心选址提供更加灵活全面的决策依据.     

有限能力物流系统防御设计随机模型及算法

突发事件是造成物流系统服务中断的主要威胁.以自然类突发事件风险下的现存有限能力物流系统为研究对象,以加固关键物流节点和预设应急库存为防御策略,建立以双层随机混合整数规划为框架的物流系统防御设计模型.采用基于分支割平面的可分离分解算法(D2-BAC)求解,提出以加入有效割平面和动态控制"删减"分支定界树为措施来改善D2-BAC算法性能.最后算例验证了改进的D2-BAC算法的计算性能和防御设计策略的有效性.     

多目标多周期多阶段逆向物流网络动态联建

针对塑料制品的回收与再利用问题,构建了以最小网络总成本、最低碳交易成本及最小环境影响程度为目标函数的碳交易环境下多目标多周期多阶段政企结合逆向物流网络动态联建模型。并以上海市废旧塑料制品回收为例,采用遗传算法和粒子群算法验证了模型的有效性。结果表明,该模型有助于减少对环境的负面影响、降低系统总成本、优化各阶段的资源输入,为政企结合逆向物流网络联建提供了借鉴。     

作为中转物流平台的趸船作业调度优化

趸船调度作为中转物流平台作业的核心,是制约中流作业服务效率和单箱作业成本的主要瓶颈之一。依据中流作业的流程,考虑趸船堆存容量、被服务船舶的作业结束时间要求及船舶服务的优先级别3个主要实际因素,构建了以所有被服务船舶在锚地的加权总时间最短和单箱作业成本最低为目标的双目标规划模型。针对该问题解的特征设计了遗传算法对模型进行求解,最后通过算例分析验证了模型的合理性及算法的有效性。     

Modeling of Robust Design of Remanufacturing Logistics Networks

The uncertainty of time, quantity and quality of recycling products leads to the bad stability and flexibility of remanufacturing logistics networks, while general design only covers the minimizing logistics cost, so robust design is presented to solve it. The mathematical model of remanufacturing logistics networks is built on the stochastic distribution of uncontrollable factors, and robust objectives are presented. The basic elements of robust design of remanufacturing logistics are redefined, and each part of mathematical model is explained in detail as well. Robust design of remanufacturing logistics networks is a problem of multi-objective optimization in essence.