基于PSO的食品应急物流模型的研究

总结过去食品应急物流运作经验,建立了突发事件中食品应急物流的框架体系,以及食品应急物流响应模型.模型综合考虑了应急物流的特征以及不确定环境下交通、食品质量等影响因素,针对食品应急物流的配送问题,采用粒子群智能优化算法对其进行仿真.仿真结果得到配送方案,可行有效,期望食品应急物流快速响应同时应急食品有质量保证.     

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。     

集装箱物流运输调度问题的改进萤火虫算法

针对集装箱配送中心对其配送范围内的配送点合理调配集卡的配送路线问题,提出了一种新的集装箱物流运输调度算法。采用改进萤火虫算法对建立的调度模型进行了求解,并结合实际问题给出具体调度结果,较好的解决了集装箱运输调度路径优化问题。     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

运用自动化信息系统优化的农产品物流配送路径研究

基于自动化信息技术的广泛应用,运用自动化信息系统研究了农产品物流配送路径的优化,提高配送效率和降低配送成本.首先,利用自动化的信息系统将配送车辆、配送员、物流公司、客户联系在一起,实时监控客户的需求变化,并保持信息沟通和共享,构建考虑自动化信息系统的农产品物流多配送中心成本优化模型.其次,结合A公司农产品物流企业数据,设计了一种运用GPS思想改进的混合算法进行路径的优化,得到一个最优化的配送方案,证明了该模型和算法对路径优化的科学性,也说明了改进的混合算法对于模型的最优解具有较强的全局搜索能力.最后,通过仿真实验结果证明,运用自动化信息系统对农产品物流配送路径进行优化具有可行性和合理性.在此基础上,本研究针对农产品物流配送路径优化的进一步发展提出了建议.     

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.     

软时间窗支持的医药物流公司配送路径优化研究

路径优化问题一直是医药物流领域关注的热点问题之一,配送路径选择的合理与否直接影响医药物流企业的服务水平与运营业绩.传统的路径优化算法缺少对客户接收服务时间要求的考虑,本文对W医药物流公司向山东省17市配送中心的配送问题进行了路径优化研究,建立了软时间窗支持的节约里程法车辆调度模型,该模型根据提前或延迟配送的时间量进行线性惩罚.实验结果表明本模型能够有效地提高服务质量.     

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。     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

众包物流配送车辆调度模型及优化

针对众包抢单模式和众包派单模式的配送特点,建立众包配送车辆调度模型,将两种配送模式有机结合,优势互补,并根据模型特点采用蚁群-量子粒子群混合优化算法进行求解.以深圳清湖冷链配送为例,从配送距离和成本等角度,分别与传统配送模式、抢单配送模型和派单配送模型进行比较,实验充分证明了众包配送模型的有效性;同时,将蚁群-量子粒子群混合算法与蚁群、粒子群等算法优化结果进行比较,证明了蚁群-量子粒子群混合算法的有效性.     

考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,同时考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。     

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。     

基于改进蚁群算法的物流配送路径优化研究

物流配送行业不但要求所有货物能及时进行配送,而且也要求尽可能降低整个物流运输成本。所以物流配送车辆路径优化问题是重点亟待解决的关键问题,由于传统的优化方法搜索时间较长,且难以找到全局最优路径,从而造成配送成本高,效率低。为了降低成本,提高车辆路径优化率,本文以蚁群算法为基础,并加以改进,首先建立优化物流配送路径的全局数学模型,然后采用改进信息素更新规则、改进启发信息更新策略获取最优物流路径,通过优选算法参数,改进蚁群算法对全局数学模型进行求解。从而有效避免只有局部优化解的出现。仿真实验结果表明,改进后的算法效率提高较大,算法在实验环境下收敛性好,是解决物流配送路径优化问题的有效算法。     

求解布局问题的混合萤火虫群优化算法

为了充分发挥萤火虫算法的优点,将人工萤火虫群优化算法与启发式策略相结合,设计了一个新的求解布局问题的高效萤火虫优化算法.实例测试和实验对比结果表明:相对于已有文献中的算法,提出的混合布局方法更加有效.     

基于量子粒子群算法的物流配送中心选址

在物流系统网络中,物流配送中心地址的优化选择不但能够高效及时地完成物资的配送,而且能使得配送成本和仓储成本等运营成本最小化,显著提高物流管理的效率和能力。针对物流配送中心选址最优解的问题,通常采用经典粒子群算法解决,但其有易早熟收敛和仅能得到局部最优解的缺陷。为了克服此缺点,将量子进化算法融入经典粒子群算法中,采用量子理论中独有的叠加态和概率幅特性,粒子最优位置的搜寻采用量子自旋门完成,粒子位置的多样性变异采用量子非门完成,以免出现局部最优解和早熟收敛缺陷。实验结果表明,与经典粒子群算法相比,量子粒子群算法在最优解的搜寻能力和优化效率方面更具有优势,能够优化配送中心的地址选取,从而减少物流运营的总成本,提高物流配送的效率,优化物流管理系统。