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。     

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.     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.     

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。     

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.     

电子商务下的配送中心选址问题及其优化

分析了电子商务环境下的物流配送中心的特点,提出了电子商务环境下带软时间窗的配送中心选址与车辆路线集成模型,设计了遗传算法与模拟退火算法相结合进行求解.最后通过算例说明了该模型的实用性及其算法的可行性.     

电子商务环境下物流配送中心选址模型与评价方法

考虑电子商务环境下的物流配送特殊性,将物流配送中心选址模型从变动费用和时间约束的条件进行修改,建立适用于电子商务环境下的物流配送中心选址模型。选址模型是NP问题,故应用启发式算法进行求解。由于电子商务环境下的物流配送中心选址涉及到多方面的因素,是一项复杂的系统工程,建立选址模型时,很难将选址中的所有影响因素考虑周全;即使把这些因素考虑全面,也很难量化形成模型中的约束条件。因此,在进行电子商务环境下物流配送中心选址时,还应咨询和参考各相关专家的意见和建议,进行定性的选择。为此,提出了定量化的启发式算法与定性化的综合评价法相结合来确定电子商务环境下配送中心选址的方法。     

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.     

基于模拟植物生长算法的车辆调度问题

基于配送企业车辆资源的限制和客户需求时间窗的要求,在考虑外包车辆和配送入员加班的情况下,对带时间窗的车辆调度问题进行扩展研究.根据客户需求的随机性特点构建以最小化车辆配送总成本为目标的机会约束规划模型,并设计求解该问题的模拟植物生长算法.结合车辆调度具体实例,将模拟植物生长算法与遗传算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法.     

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。     

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.     

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.     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

基于SWEEP方法的改进车辆路径协作策略研究

针对需求随机的车辆路径优化问题,提出了一种基于SWEEP方法的改进车辆路径协作策略,构造了基于该策略的车辆任务量分配模型、设计了求解该模型的启发式算法。该策略采用SWEEP规则对基本车未完成任务的客户重新进行路径优化,然后利用SWEEP车服务这些客户,以缩短客户的服务时间、减少运输成本。应用此方法对24个不同规模的车辆路径优化问题进行了计算机仿真,结果表明,该任务分配模型和算法具有较强的适用性,改进的SWEEP协作策略能够有效地解决解随机车辆路径问题。     

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。     

基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比

针对传统两阶段开放式选址-路径问题（2E-OLRP），考虑速度和负载对能量消耗和CO₂排放的影响，基于燃油车和电动车的行驶与排放特性，分别建立了燃油车和电动车的两阶段开放式选址路径问题模型，并提出一种改进的模拟退火算法对两种模型进行求解.为验证本文模型与算法的有效性和实用性，进行了3种对比分析：两种模型与传统2E-OLRP模型的对比；两种模型的算法求解结果与精确解的对比；两种模型经济成本与排放成本的对比.结果表明：两种模型与传统2E-OLRP模型相比，均具有明显优势；所提出的算法能快速有效的求解此类模型；就运输活动而言，与燃油车相比，电动车能节约3.44%的总成本、减少74.03%的CO₂排放量.以上研究结果可为物流企业在运输配送中的节能减排提供决策支持.     

基于可信性的低碳物流网络设计多目标模糊规划问题

通过物流网络的优化设计来控制碳排放是提高低碳物流绩效的一种重要途径.针对模糊环境下多级低碳物流网络设计的战略定位和配置问题,综合考虑多级物流网络参数的模糊性以及战术层的多商品流、多生产技术和多运输方式的选择决策,以最小化物流网络的总成本和总碳排放为目标,集成采用期望值规划方法和机会约束规划方法,建立了基于可信性的多目标模糊数学规划模型.该模型引入二氧化碳当量作为衡量物流网络对环境影响的评估指标.然后,设计了一种基于可信性测度的交互式模糊求解方法对多目标模糊规划模型予以求解.最后,通过算例验证了模型和算法的有效性和可行性.     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

基于迭代局域搜索的智能优化算法求解车辆调度问题研究

在对基本车辆调度问题(VRP)进行简单描述的基础上,提出了求解该问题的两类混合策略.这两类策略均采用两阶段的思想:第一阶段,利用节约法对顾客进行聚类;第二阶段,构造适合求解VRP的改进dynasearch算法,且将基于随机kick的迭代局域搜索算法与改进dynasearch算法相结合,提出了迭代dynasearch算法.通过实验仿真,验证了这两类策略在很大程度上能改进问题的解.     

基于碳排放与速度优化的带时间窗车辆路径问题

研究了考虑碳排放和速度优化的带时间窗车辆路径问题,引入了基于速度的碳排放计算方法,以油耗、碳排旅行时间费用最小化为目标,将速度作为决策变量,建立了混合整数规划模型. 提出了两阶段启发式算法,第一阶段采用改进的禁忌搜索算法优化配送网络中的速度,第二阶段设计了弧段速度优化算法用于优化路径弧段上的速寻求对最优解的进一步改进. 数值实验分析表明: ①两阶段启发式算法能快速有效地找到满意解; ②采用优度的路径安排比固定速度的路径安排能减少更多的碳排放和总费用; ③碳排放和旅行时间之间存在替换关系,减少碳排放会导致旅行时间的增加; ④传统的车辆路径安排中存在很大的碳排放改进空间,由于油耗和碳排放是相关的,减少碳排放有利于节约总费用.