城市地下物流节点的选址

为了对城市地下物流系统中的节点进行合理选址以提高城市地下物流服务水平,首先对城市地下物流节点的特点进行了分析,将城市地下物流节点选址问题抽象为"选址一分派问题",再经进一步分解,将"分派"镶嵌在"选址"中;其次构建了从决策者成本角度出发的上层规划模型和从客户利益角度出发的下层规划模型;最后针对此类双层规划模型,采用组合遗传算法进行求解。研究结果表明,将物流部门成本与客户利益综合考虑的双层规划模型能够有效解决城市地下物流节点选址问题,且模型的算法更加高效。     

基于时间可靠性分析的农产品轴辐式物流网络节点选址

针对农产品轴辐式物流网络的特点及农产品物流时效性要求,将系统可靠性应用于农产品物流网络节点选址研究中。在满足用户规定的时间可靠度要求的前提下,建立了以运输总成本最小为目标的农产品物流网络节点选址模型,并设计基于全局协同搜索的混合蛙跳算法(SFLA)对模型进行求解。最后通过算例分析,验证了模型的合理性和有效性。研究结果表明,将时间可靠性分析应用于农产品物流网络节点选址研究,能够满足用户对运输时效性的要求,降低了物流运输成本,提高了农产品物流的时间可靠度。     

信息缺失下考虑预算约束的物流设施可靠性选址研究

针对存在失效风险的设施选址问题,构建了信息缺失下考虑预算约束的物流设施可靠性选址模型.该模型既反映了信息缺失下顾客访问设施方式的变化,又在预算有限的情况下考虑了设施优化布局方案.针对构建模型的特性,基于拉格朗日松弛算法,提出了定制的启发式求解算法.基于京津冀区域的实际数据,构建了一系列的算例,对选址模型的性能和参数进行深入分析研究.研究结果表明:采用拉格朗日松弛算法求解该模型可以获得合理的物流设施选址方案.通过灵敏度分析,探讨了模型参数对物流设施选址成本的影响.     

基于离散粒子群算法的城市物流节点选址模型

在考虑城市物流系统运行费用最小的基础上构建了城市物流节点的选址模型,使用离散粒子群优化算法对该模型进行求解,算例分析表明该算法计算效率较高且易于实现,在求解城市物流节点选址问题时可以快速搜索到问题的最优解,具有较高的达优率．     

铁路物流中心多目标分层选址优化模型及算法

以全国铁路既有货场为研究对象,基于不同节点等级,研究了跨区域下多等级铁路物流中心选址优化方法.在利用改进DEA模型对既有货场发展状况进行评价的基础上,以铁路既有货场资源利用最大化、铁路物流中心建设成本最小化为优化目标,建立铁路物流中心分层选址的0-1混合整数规划模型,并设计了遗传算法进行求解.最后,以全路2500余个货场为对象,设计了"45-256-509"的全路铁路物流中心选址方案,三个层次的节点分布呈金字塔形,符合网络构建的基本特征,充分验证了优化数学模型和求解算法的有效性,为铁路物流中心的建设提供参考依据.     

基于多目标粒子群算法的应急物流储备库选址

针对应急物流的特点,提出了应急物流储备库选址应考虑各行政区的风险权重、灾害处置难度、储备库恢复能力、地区影响程度及建设成本等因素.借助普通物流选址思想,构建了基于多目标粒子群算法的应急物流储备库选址模型.并以长株潭城市群应急物流系统构建为例,进行了应急物流储备库选址实例研究.     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.     

基于层次粒子群算法的配送中心双层规划选址策略

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.     

多物流配送中心选址规划的算法分析

通过对多物流配送中心选址规划的不同算法进行分析,研究了鲍摩-瓦尔夫模型、单阶段CFLP模型和多阶段CFLP模型、多产品模型、动态模型等的优缺点,指出了各自适用的不同条件和环境,在进行多物流配送中心选址规划时,可根据实际情况和具体条件进行选用。     

城区物流配送中心选址优化系统设计与实现

为了提高城区物流配送中心选址效率,克服传统方法须依靠人工计算的弊端,提出利用在线地图获取路径距离信息的方法。基于配送中心的实际建设和运营情况,确定配送中心选址问题的成本影响因素,设计选址优化系统框架,构建以总成本最小化的数学模型,采用基于整数编码的遗传算法对其进行求解。利用C#语言实现系统架构,并进行计算测试。测试发现:所构建系统能够自动获取城区各节点距离信息,较之传统手段减少了规划人员的工作量,围绕2类算例实施优化选址,均在较短时间内获得了切实可行的选址方案。结果表明,所提出的系统架构具有有效性和适用性,能够有效帮助规划人员实施物流节点选择。     

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.     

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。     

星状集输管网拓扑结构的整体优化

针对星状集输管网结构特点,建立以管网建设总投资为目标函数,以系统中节点连接关系、站点位置、管线参数为优化变量的星状油气集输管网拓扑结构优化模型。将蚁群算法与遗传算法相结合对模型进行整体优化求解。在蚁群算法中,将节点连接关系的确定转化为路径选择问题,将启发因子表示为管段建设成本的函数,用路径方案对应的管网建设总成本计算信息素的积累量。在遗传算法中,以格雷码形式将站址信息储存于染色体上,用蚁群算法求得每种站址分布方案下最优井组和管径,并用其计算各染色体的适应度,从而同步求得最佳站址、最佳井组划分和管线参数。结果表明,所设计算法优化质量高于分级优化,且鲁棒性强,不受计算初始值影响。     

基于空间索引的物流中心选址方法

确定合理的城市物流节点位置,对优化物流网络、提高物流服务水平、改善城市交通状况都具有十分重要的作用． 文中提出了一种实用新型的选址查询方法,在已知人口分布和已建物流中心位置的基础上,从候选位置集中返回前k个最具有影响的位置,作为待建物流中心的参考,这种查询在决策支持系统中有广泛的应用． 该算法利用R-tree为3个已知位置集进行了索引,并提出基于候选位置影响力的排序方法,以此制定了有效的剪枝规则,大大减少了搜索复杂度． 实验表明,该算法具有很好的查询效率．     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

基于跳距修正与差分进化优化的改进DV-Hop定位算法

为了提高传统DV-Hop(distance vector-hop)算法的定位精度,提出一种基于跳距修正和差分进化优化的改进DV-Hop(differential evolution distance vector-hop,DEDV-Hop)算法。由DV-Hop的算法原理可知,锚节点间的距离测量误差是算法定位误差的主要来源,由此根据锚节点间的不同跳数引入权重因子,从而减小平均每跳距离误差,并且利用差分进化算法对最小二乘法计算出的节点坐标进行二次优化,最终提高系统的整体定位精度。为了验证算法的有效性,在相同实验条件下,通过设置不同的定位参数将提出的算法与同类的经典算法进行实验对比。实验结果表明,DEDV-Hop算法可以有效减少节点平均定位误差,其定位精度明显优于其他几种算法。