移动供应链实时调度模型及协同进化遗传算法

运用精确控制库存检查和车辆调度,实现了动态的供应链配送系统。整合供应链库存控制策略与车辆调度规划,建立移动供应链实时调度模型。该模型针对随机需求下的零售商最优订货,实现在途库存动态配送。在决策模型的基础上,设计协同进化遗传算法,解决模型组合优化过程中的约束满足问题。计算机仿真结果表明,实时调度模型可以有效降低整体供应链运行费用。     

需求不确定下的生物质物流系统的选址与路径问题

为有效解决在生物质资源开发和利用过程中物流系统成本较高等问题，通过研究需求不确定性对生物质物流系统选址与路径问题的影响，提出生物质物流系统选址与路径的鲁棒优化模型。使用混合整数非线性规划对该问题进行数学描述，再根据强对偶理论将非线性模型转化为等价的线性鲁棒优化模型。利用CPLEX软件进行数值计算和分析，结果表明：需求不确定性会对生物质物流系统的最优决策产生影响。基于该模型的特殊性开发相关的自适应遗传算法，通过算法自适应机制避免陷入问题的局部最优情况，从而更精确地接近问题的最优解，最后通过大型算例验证所提出的自适应遗传算法相比于传统的遗传算法具有更加良好的性能。     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

有时间窗物流配送路径优化问题的混合并购算法

为了克服并购算法在求解有时间窗物流配送路径优化问题时局部最优的缺陷,提出了混合并购算法的构想.通过对原有并购算法中单个并购操作的改进,增加多个并购操作,提高了算法的收敛性.在建立有时间窗物流配送路径优化问题数学模型的基础上,构造了有时间窗物流配送路径优化问题的混合并购算法模型.在Solomon数据集上进行多次实验,获取了有时间窗物流配送路径问题的最优解或近似最优解.     

多车辆直运越库调度的建模与启发式算法

以最小化客户的最晚交货时间为目标,建立了多车辆直运越库物流调度问题的混合整数线性规划模型,并使用优化工具ILOG CPLEX求解得到了适当规模问题和小规模问题的精确最优解;基于最大加工时间(LPT)规则,提出求解多车辆直运越库物流调度问题的启发式算法,通过对中等以及大规模实例的数值计算,比较了混合整数线性规划模型和启发式算法之间的计算性能.结果表明,启发式算法具有良好的近似性能,所测24组实例中的相对误差不超过9.5%,接近于精确解.     

考虑时空相关随机行驶时间的车辆路径问题模型与算法

本文对一类在真实道路网络中考虑时空相关的随机行驶时间的车辆路径问题进行了研究. 首先我们建立了该问题的两阶段随机规划模型. 然后我们将用于候选解寻优的智能优化算法与用于产生评价解的随机场景的情景生成技术相结合,提出一种智能随机优化方法求解该问题. 为了有效地进行解的寻优,本文结合可变邻域下降算法提出了一种混合粒子群优化算法.最后通过一系列基于北京市区道路网络的算例实验,我们验证了所提出的混合粒子群优化算法的有效性.实验结果还表明,考虑实际交通环境中道路网络上车辆行驶时间的时空相关性,会影响最优车辆路径决策方案.     

基于供应商管理库存模式的配送路径优化问题

基于供应商管理库存(VMI)模式制定科学的产品配送决策,可以合理优化库存水平、有效提高物流运输效率。本文针对VMI模式下的配送路径优化问题开展研究,考虑客户的产品消耗率和服务时间窗等因素,以总配送成本最小为目标,建立混合整数规划模型,并设计了贪婪算法;首先利用Gurobi求解器对小规模算例进行求解,分析VMI模式的优越性,结果表明,基于VMI模式的配送路径规划方案可以有效减少库存水平,降低总配送成本;然后利用中等规模算例分析贪婪算法的求解效果,结果显示,对于40个点的中等规模算例,求解器在240分钟内无法得到最优解,而贪婪算法可以在0.2秒之内得到近似最优解。     

基于改进蚁群算法的车辆路径选择研究

给出了考虑软时间窗的物流配送车辆路径选择（VRP）模型,提出了一种改进的蚁群算法来求VRP模型的近似最优解。为了以最少的计算时间得出VRP问题的近似最优解,首先用贪婪算法产生初始蚁群,然后通过蚁群算法的评价、信息素释放、蚂蚁移动、信息素消散、判断收敛的循环过程对初始解进行优化。实践表明,在求解软时间窗物流配送车辆路径选择问题方面,改进蚁群算法具有更好的收敛性。该算法算法是求解VRP问题的较好方案。     

混合蛙跳融合蚁群算法在群体动画中的应用

针对计算机辅助群体动画路径设计中群体规模大、路径多样性的问题,提出基于混合蛙跳算法和蚁群算法的混合蛙跳融合蚁群的算法模型.该融合算法前期利用混合蛙跳算法建立初始优化解群,后期利用蚁群算法进行精细解搜索,有效地解决了混合蛙跳算法搜索精确解和蚁算法早熟收敛、前期搜索速度慢的问题,进而解决了群体动画中路径复杂多样的问题.最后数值实验结果和仿真算例验证了算法的有效性和鲁棒性.     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大一最小蚁群算法相融合的混合蚁群算法,并与最大一最小蚁群算法作了比较。实验结果表明,混合蚁群算法可以、快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案。     

库存-运输联合决策优化模型及算法设计

针对外部供货存在提前期的情况,构建一个配送中心-多客户库存和运输决策优化模型.根据模型特点,通过分解-迭代思路来分解模型,并利用模拟退火算法思想设计主算法.算例结果显示,近似最优解与精确最优解接近,且优化后的车辆运输效率得到了较大提高.这些结果可为此类结构物流系统运作决策研究提供理论参考.     

服务销售系统供应链模型设计及其应用

研究了服务销售系统供应链模型,建立了不但具有选址、设施产品及市场顾客配置,还具有对于市场销路调控的供应链混合整数规划模型,并且设计了适用于这种混合整数规划供应链管理决策的遗传算法,最后对于报纸零售问题进行了供应链仿真计算·仿真结果表明,应用供应链模型对商业服务中设施选址、产品和市场顾客配置问题的进行优化,可以大大降低其零售过程中的销售成本·因此,如果能够结合实际问题作进一步的改进的话,此模型将具有很大的实用价值·     

基于改进分散搜索算法的无人机路径规划

针对在敌情信息不明环境中无人机侦查路径规划问题,建立了车辆路由问题模型(VRP),提出了基于分散搜索的改进混合搜索算法.基于Bayes方法计算出点到点之间的威胁概率,并生成了一个赋权图,将无人机路径规划问题转化为车辆路由寻优模型.采用混合路径规划算法求解.该算法将模拟退火嵌入到分散搜索算法的框架中,充分利用了分散搜索的全局搜索能力与模拟退火的局部搜索能力来优化无人机的侦查路径,混合算法在保证时效性的同时提升了求解的质量.仿真结果验证了算法的有效性.     

多需求点间车辆调度模型及优化算法混合求解研究

为解决多需求点间同时集送货问题,建立考虑需求拆分和转运的车辆路径模型.在模型中,加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束,提高问题的普遍性.在模型的优化算法中,算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式,外层算术优化算法得到配送车辆的任务量,内层蚁群算法优化路径,并将结果反馈给外层算法继续更新求解,直至达到终止条件.同时,添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进,增加解的多样性,提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较,改进的算法解决本文问题效果更好.     

单抓钩周期性排序模型及其启发式算法

为了解决印刷电路板化学处理的排序问题,给出了一个新的单抓钩周期排序的混合整数规划模型,并针对该模型提出了结合线性规划模型的启发式算法．示例表明,该方法可以在短的计算时间内产生合理的排序,在适当条件下,混合整数规划模型可以结合搜索和线性规划模型以求得近似解     

带硬时间窗的冷链电动车辆路径问题研究

【目的】针对电动汽车应用于冷链物流配送的情形，充分考虑电动汽车能耗特点和社会充电桩的充电需求，研究了带硬时间窗的冷链电动车辆路径问题。【方法】首先构建以配送总成本最少为优化目标的规划模型；然后基于蚁群算法，设计了充电站优化算法和局部优化策略，形成混合蚁群算法求解问题；最后，改编形成硬时间窗冷链电动车辆路径问题的算例集，通过实验比较验证了蚁群算法和混合算法的性能。【结果】搜索解的改进率达到11-82%。【结论】带局部优化策略的混合蚁群算法能较大程度改进求解能力，算法性能总体得到大幅提升，且结果更稳定。     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

基于网络化制造的供应链战略能力规划研究

针对网络化制造环境下的供应链生产、运输能力动态变化问题,将供应链网络系统定义成包括供应商、制造商和销售商在内的三级系统,以使三者的供应力、制造力及运力所涉及的费用最低为目标函数,建立了一个包括供应商、制造商、销售商在内的供应链战略能力规划模型·采用启发式算法求出该模型的可行解,并以此作为分枝定界算法的上限,求出模型的最优解·数值实例分析证明,在新的市场机会下,供应链网络系统中各节点企业实施战略能力规划可以优化企业资源利用率,最大限度地降低库存,同时也证明了所提出优化目标的成熟性及模型和算法的有效性·