集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.     

农村快递共同配送网点选址研究

针对农村快递一级配送中心的选址,建立了以提供最大可能的服务为目标函数的混合整数规划模型,模型中包括设施辐射范围、设施可建设数量、服务能力限制、不重复服务等约束。考虑到运输方式的不确定,基于经纬度及三角理论定义城市间的直线距离。针对所建立的模型,设计了相应的分支定界算法,并采用Lingo编程进行求解。算例研究表明:模型和算法的有效性较高。     

垂直腔面发射激光器光功率-电流模型可靠性研究

主要对基于垂直腔面发射激光器(VCSEL)的光功率-电流模型(L-T)可靠性进行了研究.综合运用非线性最小二乘法、多项式拟合及数值计算等方法,估计模型的相关参数,建立了一个比较接近实际的VCSEL光功率-电流模型.仿真结果表明:在20℃条件下,基于该模型的VCSEL温度特性与模型参数基本吻合,从而证明了模型是可靠的.     

多仓库定位-运输路线安排问题的模型和算法研究

针对现实问题的复杂性,考虑到单独研究物流设施选址和车辆运输路线安排问题的局限性,根据集成物流管理思想,综合考虑两个问题,重点研究了集成物流管理系统中多仓库定位-运输路线安排问题(LRP)。首先提出了LRP的数学模型,由于LRP属于NP-hard问题,提出了一种用于求解该类问题的两阶段混合启发式算法:禁忌搜索-蚁群混合算法。在选址阶段使用禁忌搜索算法求得一个较好的设施位置后,便转向运输路线安排阶段,并采用蚁群算法获得了一个与已得到的设施位置相对应的优化运输路线,这两阶段反复、连续运算,直到满足预先设置的终止条件。最后,给出算例验证模型和算法的有效性。     

物流配送问题的混沌优化算法研究

探讨了定位——运输路线安排问题的解决方法,提出一种首先用启发式规则将客户集聚类,从而划分出若干客户子类;然后,用混沌搜索算法求解LRP的优化方法.提出将用于聚类分析的启发式规则和混沌搜索算法结合的混合算法求解物流配送路径优化问题是有效的.由于混沌序列具有随机性与遍历性,容易寻找全局最优解,从而避免了传统优化方法中的＂局部最优现象＂的发生.计算机仿真实例证明了该算法简洁、实用、性能良好,有利于解决带有约束的非线性物流配送路径LRP优化问题.     

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.     

广告网络运营中在线广告投放决策的模糊优化模型

在广告网络的运营管理中,根据顾客分类和广告目标市场定位构造了顾客与广告匹配程度的模糊关系矩阵,同时通过调查各类顾客访问网站的频率,获得用户对网站确认度的模糊关系矩阵·以这两个矩阵为基础,顾客为桥梁,得到广告与Web站点总体匹配程度的关系·基于此关系矩阵构造了最大化广告与站点总体匹配程度的模型,采用模糊化的广告预算约束,使模型更接近实际·利用容差法中的Werner对称模型将模糊优化模型进行清晰化处理,进而可采用整数线性规划的方法对模型求解,模型的解为广告网络的在线广告投放决策提供了理论依据·     

收发件同步的快递服务网点选址与车辆线路规划算法研究

快递服务网点的布局需要考虑区域内客户的分布及各客户的收件、发件总量等多重因素.快递服务网点的选址及车辆线路的规划问题可以看作是将向客户发送物件的正向物流和从客户收取物件的逆向物流相结合的双向物流网络优化问题.以网点建设成本及运输成本最小为优化目标,提出一种新的综合考虑双向物流的快递物流网络模型,并设计一种改进的离散人工蜂群算法实现问题的有效求解.通过实际算例验证了提出的算法不但具有较高的求解效率,而且能够得到稳定且高质量的解.     

城市卷烟配送线路的网格划分算法

成本与服务是现代物流的两大主题，配送中心不同送货线路间的工作量均衡是线路划分的一个重要目标，它体现了配送中心的工作效率和对客户的物流服务质量．以浙江省烟草公司杭州分公司物流6400多户卷烟零售网点配送网络为数据源，采取“相邻合并、密集成簇、由簇扩展”思想，进行llO多条送货线路的网格划分和算法求解，内容包括不同送货线路之间的广义工作量均衡、网点密集簇和关键边的定义与遴选、密集簇的向外搜索扩展等．     

带容量约束的多车调度暂态混沌神经网络算法

带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法.该算法分为用模糊C均值聚类算法将所有客户按车容量要求装车和用暂态混沌神经网络方法对每条路线排序两个阶段.实例计算以及与其他算法比较表明,该算法是一种求解多车调度问题的可行且高效的方法.     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

配送中心选址与车辆路径问题的优化

为了克服蚁群算法(Ant Colony Optimization,ACO)搜索初期信息匮乏、信息素累积时间长、求解速度慢的缺点,结合具有快速全局搜索能力的遗传算法(genetic algorithm,GA),同时引入混沌搜索和平滑机制,采用混沌搜索产生初始种群可以克服生成大量非可行解的缺陷,加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混沌蚁群优化算法(Chaos Ant Colony Optimization,CACO)。建立物流配送中心选址(logistic distribution center location)与车辆路径问题(vehicle routing problem,VRP)的数学模型,分别应用CACO和GA求解,对50客户规模的问题模型仿真,结果表明CACO优于GA。     

带约束多设施选址分配模型与基于变分不等式的启发式算法

设施选址问题在生活、物流、军事中有着非常广泛的应用.主要考虑设施有约束限制以及设施间存在相互运输的情形,提出一个约束多设施选址模型.目标是在平面上的约束区域内选择多个设施,使得这些设施到各个需求点以及各个设施间的距离和最小.提出了基于变分不等式方法的交替选址-分配启发式算法解决此模型:在分配步,采用最近中心再分配算法将顾客分配给设施;在选址步,先将子问题转化为等价的变分不等式问题,再用投影收缩方法求解相应的变分不等式问题.分析了问题及算法的一些性质,并给出了数值试验,证明了算法的有效性.     

物流配送中心选址的多目标优化模型

针对传统选址模型片面追求物流成本最小化而忽视物流服务水平的情况,将可靠性作为物流服务水平的一种测度,提出了配送中心系统可靠度的计算方法,建立了以物流成本最小化和物流服务可靠度最大化为目标的配送中心选址多目标优化模型.采用主要目标法将建立的多目标优化模型转化为单目标优化模型,并运用贪婪取走启发式算法对转化后的模型进行求解.算例结果表明,模型的非劣解充分反映了物流成本与物流服务可靠度之间的悖反关系,同时包含了传统的以物流成本最小化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全面的决策依据.     

基于路径灵活性的两阶段开放式低碳选址—路径问题

为缓解城市交通拥堵日益严重与物流配送量逐年上升的矛盾,利用城市配送客户多、范围广、路径可替代性强的特点,基于传统两阶段开放式选址-路径问题(2E-OLRP)模型,在总成本中考虑燃油消耗和CO_2排放,在路线规划中考虑路径选择的灵活性,提出一种基于路径灵活性的两阶段开放式低碳选址-路径问题模型(2E-OLCLRP-WF),并利用CPLEX进行求解。在相同案例情形下,利用Dijkstra算法和CPLEX求解考虑燃油消耗和CO_2排放成本的2E-OLRP模型(即2E-OLCLRP模型),并将两种模型的结果进行对比分析。结果表明:与2E-OLCLRP模型相比,2E-OLCLRP-WF模型能节约总成本0.20%,其中,节约运输成本5.86%,减少CO_2排放5.98%。因此,为节约总成本并减少CO_2排放,物流企业在城市网络配送中应适当考虑路径灵活性。以上研究结果可为城市物流配送规划决策提供参考。