共同配送作业模式优化

对共同配送路径优化及成本分摊问题进行一体化分析,构建多配送中心、多货种条件下的共同配送作业模式双层规划数学模型.其中,上层模型用于优化配送路径,下层模型用于在联盟内实现配送成本的分摊.设计使用遗传算法对所提出的问题进行求解.采用基于扫描的算法产生初始种群;结合Shapley值法设计配送成本分摊机制;为避免陷入局部最优解,在进化过程中引入内部扰动与外部扰动过程.通过算例求解结果可以看到,在共同配送条件下,联盟总体成本及各配送中心成本均大幅下降,可为共同配送实践作业提供决策参考.     

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.     

基于库存成本的连锁零售企业配送网络设计

研究了需求不确定的连锁零售企业配送网络设计及其库存决策的联合优化问题. 以门店和配送中心服务水平为约束条件,详细分析连锁企业内部的二级库存成本,并综合考虑运输成本和配送中心选址成本,建立配送系统年总成本优化模型.以系统总成本最小为目标,运用遗传算法求解该优化模型,在得到最优配送网络方案的同时,确定系统安全库存因子及门店的订货周期.通过算例仿真验证模型和算法的有效性,并分析需求、运输距离和选址成本等因素对系统总成本的影响,为连锁零售企业的物流配送网络设计及库存控制提供决策支持.     

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。     

多LNG点供企业联合配送的半开放式车辆路径问题

为解决多家LNG点供企业联合配送的路径优化问题,构建带时间窗的半开放式多中心车辆路径模型.考虑到LNG具有危险化学品特性,限制了 LNG槽车的通行路段,为求解该问题,设计改进的回溯搜索优化算法,提出客户信息与配送中心信息相对独立的新型编码方式,有效解决了车辆容量限制可能会导致传统自然数编码长度不一致,进而影响种群交叉、变异的问题.最后,利用Cplex和改进回溯搜索优化算法求解算例,结果验证了数学模型的正确性及算法的有效性,证明该联合配送模式可以有效降低运输成本及LNG槽车的运输风险.     

考虑设施失效及客户重指派的网络选址模型及求解

基于无容量约束且固定费用的设施选址模型,综合考虑系统运作成本及其可靠性,提出了考虑失效概率及对客户多层级重指派的非线性混合整数规划模型,并用优化的拉格朗日松弛算法对线性处理后的模型进行求解.结果表明:拉格朗日松弛算法适用于中等规模的选址问题;相对于客户的多层级重指派,其设施失效概率对网络选址的影响较大.     

客户资源共享及需求可拆分的车辆路径问题

随着物流量的剧增,物流企业之间的竞争力体现在配送速度及配送成本上.由于企业难以突破传统的竞争思维,物流领域的相关企业均是各自为政,难免会出现恶性竞争.加之我国目前物流设施设备、信息技术相对国外较落后,物流企业可以将区域内的客户资源共享、整合来提高收益.虽然目前已有配送中心之间进行了客户资源的共享,但因为没有正确整合而事倍功半.笔者在多个配送中心共享客户资源的情况下,考虑客户的需求可拆分,以车辆行驶距离最短为目标函数,建立二阶段模型,将聚类算法与模拟退火算法结合使用,求解二阶段模型.用聚类算法求出每个配送中心最优的配送范围,模拟退火算法求解出每个配送中心车辆的最优配送路线.最后结合数值案例,借助MATLAB验证算法的有效性.     

多车型集配货一体化车辆路径问题研究

针对客户存在收货和发货双重需求的物流配送问题,讨论具有多种车型的集配货一体化车辆路径问题。在综合考虑各车型的固定成本和可变配送成本的前提下,以总成本最小为目标,以尽可能提高车辆满载率、减少出行次数为思路,构建多车型集配货一体化车辆路径优化模型。基于最小插入费用法设计初始可行解生成算法,通过引入基于概率的多算子邻域操作、最优解记忆装置、多准则终止原则对模拟退火算法进行改进,给出求解思路。设计算例并对多车型单/双向集配货模型的求解结果进行比较,以验证模型的实用性和算法的有效性。研究结果表明:使用改进后的模拟退火算法对构建的多车型集配货一体化车辆路径问题模型求解更直接简便,对多车型集配货一体化车辆路径优化后能有效降低配送成本。     

免疫算法在带权值的物流配送中心选址中的应用

针对物流配送中心选址问题中很少考虑时间因素的问题,提出将配送时间与需求量共同来决定权值的选址模型,使用免疫算法求解带权值的物流配送中心选址问题,并说明了所提出算法具有全局渐近收敛性。通过实例仿真,与不考虑配送时间因素相比,用所提出的模型得到的结果具有更少的最短距离之和(约少了12.68%)以及更少的运行时间,最佳迭代次数约为不考虑配送时间因素下的1/4,从而论证了所提出模型的合理性及有效性。
     

基于双层规划模型的配送中心选址问题研究

配送是物流的核心问题,配送中心的选址问题直影响物流成本的控制。建立双层规划模型,应用遗传算法求解,将配送中心选址涉及到的选址规划者和客户两个具有明显不同目标的决策者联系起来,还考虑到配送中心建成后遇到的竞争问题,从而使配送中心选址模型更具有实际意义和指导作用。     

基于地域特征的物流仓储中心逆向选址算法

物流仓储中心地址的选取,从根本上决定了物品出发地和运达地之间的距离,直接关系到物品能否被及时高效地运输,以及配送成本和仓储成本能否最小化。针对传统物流仓储中心选址求解算法脱离实际应用、且容易出现局部最优、求解速度较慢和注意力单一等问题。为减少物流配送时间,降低物流成本,切实提出选址解决方案,通过对K均值聚类算法和帝王蝶优化算法进行改进,研究了京津冀地区物流仓储中心的选址问题。实验仿真结果表明,提出的改进帝王蝶优化算法较其他优化算法在求解精度、收敛速度和迭代次数上均有优势,能够有效完成物流仓储中心选址问题,切实可以缩短物流配送距离,提高物流配送效率。     

微粒群算法在多物流选址中的应用

物流中心的选址是企业的一项重要战略决策,不仅影响到原材料和成品的运输费用,也会影响顾客服务水平和对顾客需求的响应速度,选择合理的物流中心对降低运营成本提高企业的竞争力有很重要的作用。文章研究带约束条件的多物流选址问题,根据所提问题的特点,建立模型,并根据模型维数较大、约束域狭小的特点设计了一个与表上作业法相结合的改进微粒群优化算法（TM-PSO）。最后通过实例验证了模型的可行性及算法的有效性。     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

多车次同时送取货物车辆路径问题的量子蚁群算法

研究了配送车辆载重量和工作时间有限,考虑货物装卸时间的多车次同时送货和取货的车辆路径问题(multi-trip vehicle routing problem with simultaneous deliveries and pickups,MTVRPSDP),建立了以配送车辆启动成本和车辆行驶成本之和最小为目标的线性整数规划模型.将量子计算和基本蚁群算法相结合提出了求解MTVRPSDP的量子蚁群算法,该算法应用量子比特启发式因子改进了人工蚂蚁的转移概率,从而提高了算法的全局搜索能力和稳定性,有效改进了算法陷入局部最优的缺陷.算例分析表明:MTVRPSDP的线性整数规划模型在实际应用中是可行和有效的,而且相比于基本蚁群算法和文献中所给其他算法的计算结果,利用量子蚁群算法和MTVRPSDP的线性整数规划模型能够得到较好的满意解,安排的车辆配送路线更加经济合理.     

基于改进遗传算法的接运公交线路生成优化模型

城市轨道交通接运公交线路布设效果直接影响到轨道交通线路的运营效率.为了探讨轨道交通接运公交线路的最优布设方案,以最少线路接运最大客流量为目标,建立了线路生成的优化模型,并给出了求解该模型的改进遗传算法.以北京地铁5号线宋家庄站和刘家窑站的接运公交线路布设方案为例进行分析,结果表明:两个轨道交通站点布设6条接运公交线路能够使接运公交线路的载运能力最大,为205人/(km/h).     

区域性煤炭运输节点的优化

针对当前我国煤炭行业物流诸多现实问题,尤其是煤炭运输通道规划合理化问题,通过对煤炭物流客户的需求量、运输距离及多式联运等信息的分析,并在对煤炭配送中心选址的重要性、合理性及其煤炭调运成本的影响因素的研究之后,文中运用煤炭配送中心合理的选址优化模型与配送成本优化模型等优化方法,实现煤炭运输成本最小化,以达到优化区域性煤炭运输节点的目的。煤炭配送中心合理的选址优化模型与配送成本优化模型的科学性和有效性也经过实验证明其应用的实际价值,为我国煤炭运输通道合理化的建设提供理论和技术支持,也有为我国煤炭运输通道的未来发展提供了指导性的意义。     

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

基于免疫算法与GIS技术的农产品物流配送中心选址

分析了农产品物流配送模式,建立配送中心选址的数学模型,研究免疫算法与GIS技术求解选址模型的方法,并以福州市晋安区农产品物流配送相关数据为基础,提出研究区域内农产品物流配送中心选址的实际模型,采用免疫算法求解模型,运用VB编写相应的程序,提高了选址决策的效率和精度.     

双渠道供应链多期多目标动态选址模型

考虑双渠道供应链环境下的物流配送选址问题的特殊性,建立顾客需求随机环境下,考虑网络直销和中央仓库传统零售渠道相结合的中央仓库多期多目标动态选址模型,模型不仅考虑了最小化相关的运作成本,并且考虑了客户的最大满意度,给出了中央仓库在整个规划期内的打开、运营、关闭和再次打开的成本表达式,使用主要目标法将多目标转化为单目标模型.设计了基于顾客满意度的贪婪启发式求解算法.求解结果表明,该结果包含了以最小化物流成本为目标的选址模型的最优解,为双渠道供应链环境下的中央仓库选址提供了更加灵活并且全面的依据.     

基于改进遗传算法的新鲜农产品配送路线优化研究

在分析了农产品配送路线优化与普通物流路线优化的基础上,提出了新鲜农产品配送路线优化的数学模型,再应用改进的遗传算法对车辆运行路线进行优化,得到最优配送路线,经实例验证,改进的遗传算法是有效的.