考虑道路受损的震后应急物资运输路径优化

为了在地震发生时提高应急物资配送效率, 降低人员伤亡与经济损失,将道路受损作为影响应急物资配送的重要因素。以多应急物资种类、多配送中心为背景,考虑应急物资配送时间窗约束,建立总时间和总成本最小的双目标模型。结合模型的特点,设计了遗传算法与模拟退火算法相结合的混合算法,算例结果表明,该算法具有较快的收敛速度和求解结果。进一步对比考虑道路受损和不考虑道路受损的情况,结果表明：考虑道路受损在配送总时间、总费用和产生惩罚成本的时间都有所降低,进一步验证了模型的优越性。可见该模型和算法可以有效地解决考虑道路受损的应急物资配送路径优化问题,提高应急物流效率,减少地震带来的损失。     

应急物资多式联运鲁棒路径优化

为解决灾后应急物资多式联运路径优化问题,考虑到应急物资运输网络的不确定性,针对各种运输方式的发班时刻限制,建立了不确定环境下带班期限制的应急物资多式联运鲁棒路径优化模型。同时考虑到计算机求解的NP难问题,设计了大变异遗传算法以及自适应遗传算法进行求解,并通过数值案例,对两种算法的求解结果进行了对比分析。研究结果表明：本文所设计的模型及算法可在不确定环境下快速选择出一条时效性好、鲁棒性强的应急物资调拨路径。     

同时考虑配送与安装需求的带时间窗车辆路径问题

电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。     

应急车辆分配与应急物资配送的集成决策

针对应急物资配送中各受灾点应急车辆分配的公平性与应急物资配送的及时性难以平衡的问题,以各受灾点车辆分配的相对剥夺感(公平性)与配送时间(及时性)为目标函数,构建基于车辆分配公平性与应急物资配送及时性的多目标协调优化模型。为求解该模型,设计一种基于启发式算法、局部搜索算法和遗传算法的混合智能算法。研究结果表明:当配送中心车辆数不足时,公平性和及时性之间存在关联;该混合智能算法能快速、有效地找到满意解;目标权重对算法的稳定性和快速性有一定影响;该模型和算法在大规模地震实例中能有效实现公平性与及时性的协调优化。     

突发性公共卫生事件下横纵结合应急物资配送模式

考虑到突发性公共卫生事件下的应急物资的时效性以及应急救援工作需要在多受灾点同时展开这一实际,提出了将疫区与疫区之间横向配送和物资分配中心与疫区之间的纵向配送相结合的应急物资配送模式。首先,在满足配送时间的前提下以总成本最小为目标,构建了横纵结合的物流配送路径优化模型;其次运用聚类分析和引入了逆转操作的遗传算法进行求解;最后通过算例仿真将提出的配送模式与常规配送模式进行比较。算例结果表明,提出的横纵结合应急物流配送模型使总成本降低了10.72%,惩罚成本减少了52.98%,验证了模型及算法的有效性和可行性,可为未来的应急物资配送问题提供参考。     

突发事件下多目标应急救援物资配送路径规划

突发事件发生后,选择最优应急救援物资配送路径提高物资配送的效率和效果,是应急决策者面临的主要问题。以最小化最晚车辆服务结束时间来提高物资配送的效率,以最小化需求未满足率来保证配送公平性,从而达到良好的配送效果。在配送中心唯一的情况下,考虑道路对车型限制、道路阻断修复和道路可靠性对路径的影响,建立多目标应急救援物资配送路径优化模型。设计优先邻点交叉算子来改进基于非支配解排序的遗传算法,提高了局部搜索能力和收敛速度,通过仿真实验验证了算法和模型的有效性,为决策者选择合适的车辆配送路径提供辅助决策作用。     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

遗传算法求解物流配送中带时间窗的VRP问题

用遗传算法求解第三方物流企业物流配送中带时间窗的车辆路径问题. 建立了一个配送优化调度模型, 使配送计划的编制在任何情况下都能归约为求解某种车辆路径问题.     

共享经济下人车货路径匹配优化问题研究

针对网约车运力资源剩余与物流末端配送即时性不足间的矛盾,以多方参与主体总利益最大化为优化目标,构建网约车、乘客与快递联合配送车辆路径匹配优化模型.根据车辆路径匹配优化问题的NP-hard特性,运用插入启发式算法构造种群初始解,设计了一种适于求解全局优化问题的改进型混合遗传算法.仿真实验表明:该模型能在有效减少车辆总行驶里程的同时提升多方主体的利益.对比实验证明了提出的混合遗传算法不仅能够解决易陷入局部最优的弊端,而且还提高了求解问题的全局寻优能力及运行速度,为网约车的剩余运力资源利用及物流末端配送路径优化提供了新的解决思路.     

灾后初期考虑需求及时间不确定的应急物资配送中心选址-分配优化

面向灾后初期受灾点对应急物资需求的不确定性，考虑因通道中断造成的运输时间不确定性，以应急物资配送总成本最小和受灾点综合满意度最大为目标，构建应急物资供不应求状态下应急物资配送中心选址-分配多目标优化模型，其中，综合满意度由时间满意度和需求满意度共同刻画；设计量子粒子群优化算法对模型求解，采用遗传算法与之对比，并对相关参数进行敏感性分析。算例分析结果表明，该模型和算法是有效的，可以提供较优的选址-分配方案。     

半开放式的多车场移动充电车路径优化

为解决移动充电平台投入运营成本高的问题,考虑应急服务点时间窗、流量平衡及充电车里程限制等约束,建立包括移动充电车为应急服务点提供充电服务的车辆启动成本、行驶成本和违反应急服务点的时间窗惩罚成本三者总和最小的混合整数非线性规划模型,通过分支定界法和遗传算法研究了半开放式的多车场移动充电车路径优化问题。结果表明：对半开放式的多车场移动充电车路径优化问题进行10次求解,GAP均值为1.22%,说明遗传算法具有良好的稳定性;与单车场独立服务模式对比分析,半开放式多车场联合服务可为移动充电车提供更多路径选择,减少充电车行驶里程,降低平台运营成本;对比顾客点集中分布情形,在顾客点随机分布和混合分布情形下,移动充电平台的成本节约效果更为显著。     

生鲜品多中心区域协作半开放式配送路径研究

针对生鲜产品区域配送问题,在新物流理念下,建立了区域协作下多中心半开放式配送路径.鉴于生鲜品配送的独特性,将时间窗及满意度考虑在内,构建在时间惩罚、满意度指标及路径约束条件下的成本优化模型.结合A生鲜企业数据,设计了一种改进的自适应遗传算法与变邻域搜索算法相结合的混合算法解决问题.通过仿真实验证明模型合理性以及算法实效性.实验表明,区域协作下多中心半开放式配送方案对比各区域独立封闭式配送方案具有改进性,提高了物流配送的效率,降低成本同时保证高客户满意度,有助于生鲜配送企业整体发展.并在此基础上,对生鲜配送企业进一步发展提出建议.     

基于同时送取货电动车选址路径问题优化研究

针对电动汽车同时送取货问题,在考虑车辆容量与电量约束情况下,建立以总成本最低为目标的数学模型并通过模拟退火-蚁群算法对模型进行求解。首先,根据实际配送过程中出现的同时送取货约束和时间窗约束建立其选址路径数学模型;其次,通过加入回火操作和高斯变异设计了改进的混合模拟退火-蚁群优化算法对模型求解,并将提出的算法与蚁群算法、禁忌搜索算法以及自适应大领域搜索算法进行对比,证明算法优越性;最后,与送取分离的配送策略进行对比。基于不同规模算例检验算法性能,实验结果表明,提出的算法以及配送策略能得到较低的成本费用。     

一种带软时间窗的物流配送中心车辆路径问题的模型与算法

针对单配送中心带时间窗的车辆路径问题,将时间约束折算为惩罚费用,在时间、车辆体积和载重约束的条件下,建立了一种带软时间窗的物流车辆路径总费用最小数学模型。同时在遗传算法的基础上加入记忆功能和退火操作,采用带有记忆的遗传模拟退火算法求解此模型,并将优化结果进行比较。结果表明,该算法收敛速度快、搜索领域宽,能取得较高质量的最优解。     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.     

震后多时段应急物资联合配送路径优化研究

为了解决地震灾害发生后由于应急物资转运不及时所带来的人员伤亡及财产损失等问题，提出一种考虑时段划分的混合算法。首先，依据震中方位等确定受灾点及其物资需求；其次，按照灾区内的道路损毁约束条件等确定受灾点需求的配送方式；再次，根据道路损毁及恢复情况将震后“黄金72小时”划分为多个时段、多种配送方式联合的配送方案；最后，选取“四川泸定9·5地震”为背景进行算例仿真。结果表明，相较于传统遗传算法，混合算法的总配送成本降低了9.53%，配送总时间减少了7.03%；在考虑多时段情景下整体方案配送总时间比不考虑时段情景时减少6.33%，在配送总成本上降低18.9%。震后划分时段进行联合配送的方式能够有效解决受灾区域内的应急需求问题，提高应急物资配送效率。     

基于速度分配的航空器绿色滑行优化

针对航班量过快增长以及机场容量限制导致的机场滑行道拥堵问题,在航空器滑行路径优化的基础上,提出一种基于遗传算法和Yen算法的速度优化方法。首先规定速度变化剖面,以滑行时间和尾气排放为目标,以最大滑行速度和加速度为决策变量,考虑机场滑行规则和滑行限制设定约束条件,建立滑行路径和速度的优化模型;然后利用Yen算法对浦东机场16架航空器的滑行路径进行预筛选,为每个航空器分配3条路径;最后利用遗传算法进行仿真求解,依据最小滑行成本得到最优的滑行路径和速度分配方案。结果表明,优化后的滑行时间降低21.82%,尾气排放降低27.17%,滑行成本降低25.77%,且未产生冲突。可见本文建立的优化模型和方法对提高场面运行效率和减少航空污染具有一定的可行性。     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明:文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.