基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

求解模糊需求车辆路径问题的两阶段变邻域禁忌搜索算法

模糊需求车辆路径问题(CVRPFD)是对带容量约束车辆路径问题(CVRP)的扩展,属于经典的NP难题,其求解与需求确定CVRP区别较大,较为复杂,具有很强的理论和现实意义.基于先预优化后重调度的思想,提出一种新的两阶段变邻域禁忌搜索算法(VNTS)对其求解:在预优化阶段,基于可信性理论构建模糊机会约束优化模型处理客户点模糊需求,设计VNTS求解预优化方案;在重调度阶段,设计随机模拟算法模拟客户点实际需求,提出一种新的点重调度策略对预优化方案进行调整.算例实验表明两阶段变邻域禁忌搜索算法是一种求解CVRPFD的有力工具,点重调度策略调整效果较佳.     

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.     

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.     

基于蚁群禁忌混合算法的成品油多舱配送路径优化研究

依据油品运输策略的不同,成品油二次配送可划分为两种模式:同一加油站的不同油品需求可拆分配送和不可拆分配送.在两种模式的基础上,根据带时间窗的成品油多舱配送基本模型,衍生出两类配送子模型;综合考虑蚁群算法较强的全局搜索能力和禁忌搜索算法的局部搜索能力,设计蚁群禁忌混合算法(ACO-TS),并提出相应策略用于两类子模型的求解.采用12组不同类型的算例进行数值实验,实验结果表明,混合算法能有效的求解两类配送子模型,并且针对第二类子模型设计的特有邻域能够加快算法求解速度;此外,两种配送模式中,同一加油站不同油品需求可拆分的模式在降低配送成本的同时,能够大幅提高车载率,减少车辆使用量。     

多集装箱堆场空间分配与车辆调度集成问题的建模与优化

论文研究卸载集装箱堆场空间分配与车辆调度的集成作业问题. 在该问题中,卸载集装箱动态到达,车辆循环使用,需要同时决策集装箱堆放位置及车辆的分配和路线. 对此问题建立整数规划数学模型,考虑车辆调度约束以及堆场吊机操作等实际约束,目标函数为最小化makespan. 根据问题的特点设计两阶段禁忌搜索算法来求解此问题. 在实验中,通过将禁忌搜索算法的结果同标准优化软件CPLEX所求得的最优解或下界比较,算法求得了其中7组算例的最优解且剩余算例平均偏差小于5%,说明所设计的算法可以有效地解决该集成问题.     

带时间窗和随机时间车辆路径问题: 模型和算法

研究带随机车辆旅行时间、服务时间以及时间窗的车辆路径问题.根据不同的优化目标, 首先给出了问题的两种数学模型描述:机会约束规划和带修正的随机规划模型. 为了有效地求解该问题,提出了基于禁忌搜索的启发式算法, 该算法考虑了问题的随机特性.在实验部分, 首先给出了产生 测试问题的方法,然后基于产生的测试问题给出了算法的计算结果.     

随机价格条件下的产业选址双层规划模型及其禁忌算法

对产业选址问题进行了描述,提出一类带有价格随机参数的产业选址双层规划模型.根据该模型的特点转化为确定性的双层规划问题, 并且设计优化该问题的禁忌算法.算法基于二进制编码, 设计三种邻域,在邻域操作中控制选址数量约束, 采用惩罚函数处理总投资额约束, 提高了禁忌算法的优化效率和优化效果.描述产业选址问题双层规划模型的构建过程, 介绍算法的原理, 给出具有代表性算例试验结果和结果分析.试验结果及其分析表明本文提出的具有随机参数的产业选址问题双层规划模型及其优化算法的有效性.     

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.     

考虑工作量均衡的成品油二次配送车辆路径问题

为避免工作量分配不均,研究了考虑工作量均衡的成品油二次配送车辆路径问题.以总配送成本极小化和不同车辆路径长度之差极小化为目标,建立了双目标混合整数规划模型;并设计了变邻域禁忌搜索启发式算法.利用改进的Solomon_Il 插入算法求出使总配送成本尽量小的初始解;再利用变邻域禁忌搜索算法改进初始解,得到近似最优解.模拟计...     

客户需求可分的车辆路径问题求解

针对车辆路径问题中客户需求可分的新设想重新进行了问题描述和模型构造,根据该问题的特点,利用蚂蚁算法的基本原理,设计了相应的优化算法.虽然在客户需求不大的情况下,分割客户需求并未产生比较理想的效果,但随着客户点需求与车辆载重的比例逐渐增大.实例计算结果表明,需求可分所带来的车辆需求数量和总行驶里程的下降都比不可分情况下要好很多,从而证明了算法的有效性和分割客户需求策略的现实可行性.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。     

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。     

基于双层规划的物流系统集成定位-运输路线安排-库存问题研究

为优化物流系统,并能更好地描述管理部门的阶层关系和更全面地体现决策者的意愿,从物流系统集成的角度出发,基于客户所采用的多时期随机库存策略,使用双层规划法建立了供应链二级分销网络中的设施选址、车辆运输路线安排、库存控制的集成优化模型,用来解决在给定的多个潜在设施点中选出一系列设施的位置,并确定巡回运输路线,以及巡回运输路线上客户的最佳订货量;并给出了求解该模型的启发式算法,最后通过实例计算证明了上述模型、算法的有效性.     

基于配载约束的配送优化问题及其求解算法

车辆配载与配送是两个相互联系与相互影响的子问题,考虑了货物的易损性、装载的稳定性、物品不可倒置、车辆平衡性、先下后装等配载约束,构建了车辆配载与配送联合优化的混合整数规划模型,基于问题自身的特点开发了由配载启发式算法和基于节约值的蚁群算法有机结合的交互式混合算法,采用基准实验问题(benchmarkproblems)进行了一系列对比试验,结果显示了所提出的模型及算法的有效性与实用性.     

时变车辆路径问题的启发式算法

标准的带时间窗车辆路径问题一般假定车辆的行驶速度保持恒定,然而在实际应用中车辆的行驶速度通常是时变的,因此近年来时变车辆路径问题正日益成为该领域的研究热点.本文对时变车辆路径问题的求解策略进行了研究,并设计了一种两阶段启发式算法对问题进行求解,算法的第一阶段提出了一种"最先过期用户优先"的启发式算法求得初始解,第二阶段利用模拟退火算法对初始解进行了改进.实验结果表明该算法可以有效地求解时变车辆路径问题.     

Hybrid hierarchical trajectory planning for a fixed-wing UCAV performing air-to-surface multi-target attack

This paper considers the problem of generating a flight trajectory for a single fixed-wing unmanned combat aerial vehicle (UCAV) performing an air-to-surface multi-target attack (A/SMTA) mission using satellite-guided bombs. First, this problem is formulated as a variant of the traveling salesman problem (TSP), called the dynamic-constrained TSP with neighborhoods (DCTSPN). Then, a hierarchical hybrid approach, which partitions the planning algorithm into a roadmap planning layer and an optimal control layer, is proposed to solve the DCTSPN. In the roadmap planning layer, a novel algorithm based on an updatable probabilistic roadmap (PRM) is presented, which operates by randomly sampling a finite set of vehicle states from continuous state space in order to reduce the complicated trajectory planning problem to planning on a finite directed graph. In the optimal control layer, a collision-free state-to-state trajectory planner based on the Gauss pseudospectral method is developed, which can generate both dynamically feasible and optimal flight trajectories. The entire process of solving a DCTSPN consists of two phases. First, in the offline preprocessing phase, the algorithm constructs a PRM, and then converts the original problem into a standard asymmetric TSP (ATSP). Second, in the online querying phase, the costs of directed edges in PRM are updated first, and a fast heuristic searching algorithm is then used to solve the ATSP. Numerical experiments indicate that the algorithm proposed in this paper can generate both feasible and near-optimal solutions quickly for online purposes.