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.     

轴辐式网络快递货运问题的混合遗传算法求解

目前具有区域集散地群的轴辐式网络快速货运是快递运输的主要形式.此类网络的物流优化问题是快递公司获得最佳效益所面临的关键问题.本文分析了轴辐式网络快递货运的特点,提出了单一轴点轴辐式网络快递货运问题的混合遗传算法求解办法.该算法采用混合编码方式,并将货运站车辆调度算法嵌入到遗传算法中形成混合遗传算法.实验结果表明,本文算法给出的轴辐式网络快递货运集散地群划分方案和货运站车辆调度方案合理可行,能达到节省运营成本的目的,从而使企业获得较好的经济效益.     

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.     

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.     

基于带约束K-means聚类的城市快递配送区域划分

快递配送区域划分是城市内快递网络优化的基础,客户的空间距离和基层站点的配送能力是配送区域划分的主要考虑因素.针对客户分布已知的快递配送区域划分,提出了考虑河流、公路等地理障碍和站点工作量的约束聚类算法.利用提出的"障碍距离",克服传统欧氏距离不能表征实际地理信息的缺陷,并设计BSP树快速实现点的可视化判断.在此基础上,利用约束聚类的思想对传统K-means算法进行改进,使其在考虑地理信息的同时,能够满足站点业务量约束.利用生成数据和实际数据分别对算法进行了数值实验.     

政府引导下绿色逆向物流网络线性规划模型——以快递包装为例

为提高快递包装物的回收率和再利用率,快递包装行业急需构建逆向物流网络.考虑无政府引导及有政府引导下设计快递包装逆向物流网络.首先在无政府引导下,建立包含回收中心、处理中心、再制造中心、快递企业收发点的逆向物流网络,以总成本最小化为目标.然后加入政府奖励机制和物流的负外部约束引导企业布局绿色物流网络.分别构建线性规划模型,运用cplex软件求解,分情形对有关参数进行灵敏度分析.分析结果表明：政府实施物流负外部约束会显著改变设施布局,政府实施奖励机制会降低处理成本,增加回收量,而将两种情形结合实施能在降低网络成本的同时布局污染较小的设施.     

基于库存利润的快递企业人员调配优化建模与求解方法

为了得到快递企业人员调配的优化方案,使企业有效利用资源提高利润,本文对服务于不同区域客户的快递企业末端配送网点进行分析,结合实际对其一天中各时段来件量应用时间序列季节系数法进行预测.在其配送过程中的人员,配送量,车辆等因素的约束下,通过对该网点的人员调配来达到极大化库存环节利润的目标建立数学模型,并应用改进的粒子群算法求解.通过仿真实验说明得到的人员调配方案的有效性.     

双向链表人口迁移算法

最短路径搜索是路径分析中的热点问题.将双向链表和人口迁移算法的智能进化体制相结合,提出一种新的启发式智能仿生优化算法——双向链表人口迁移算法,并用于求解最短路径问题.仿真实验结果表明：双向链表人口迁移算法求解最短路径搜索问题是可行、有效的.     

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.     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

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。     

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.     

基于地下物流的城市物流服务供应系统仿真优化

为解决城市物流面临集运体系缺失、运输通道不畅、供应效率低下等问题，通过仿真技术研究将地下物流系统（underground logistics system，ULS）纳入城市物流服务供应体系来解决城市货运问题的方法路径。提出ULS运营商与配送、仓储和流通加工服务供应商多方合作下的城市物流服务供应模式，刻画园区、服务站和需求点智能体的交互机理，基于若干服务场景建立ULS在专列A和专列B两种模式下的离散事件仿真模型。实验中用户满意度、碳排放量以及各参与方成本等指标量化的结果表明：该建模仿真方法能够有效实现系统资源配置、服务供应成本和质量控制的协同优化。     

基于群集智能算法的路径规划问题

在工业及服务系统行业,特别是物流及交通运输系统中经常遇到路径规划问题。该文针对自动化立体仓库单拣选台分层水平旋转货架系统,建立了数学模型,引入基于群集智能的蚁群优化算法解决货物拣选路径规划问题。该方法能够对旋转货架系统存储的货物进行快速拣选,并在全局内找到最优货物拣选路径,求解质量高,计算时间短。在货单条目为40的情况下,该文使用改进的蚁群算法求解最优拣选路径比模拟退火算法减小了1 367.17s,比混合遗传算法节省了533.4 s。实验表明该方法适合求解中小规模货物拣选路径规划问题。     

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。     

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.     

基于双层规划的虚拟物流企业联盟伙伴选择模型及求解算法

虚拟物流企业联盟是21世纪信息社会物流行业的主流组织形式,选择和确定联盟伙伴是建立虚拟物流企业联盟的关键环节之一,对提高联盟企业的总体竞争力有着极其重要的作用。在充分考虑联盟与客户双方利益的情况下,设计了基于双层规划的模型和求解算法来优选联盟伙伴,并且模型中在计算物流企业为客户服务的作业成本时,考虑了配送路线安排对作业成本的影响,更加符合实际情况,使计算结果更加准确。实例仿真说明了模型和算法的有效性。     

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。     

物流管理中的运输决策

随着物质需求多样性和不规则性及贸易全球化趋势的发展，企业的管理希望能协调物流系统的各个环节，以最低的价格、最好的服务来满足顾客的需求．运输作为物流系统的主要支柱是连接供应商、制造商和顾客的桥梁，是连接分散的工厂和仓库的手段，担负着整条供应链的产品和货物流动．通过运输网络设计、运输业态选择和装卸水平策略的分析，研究物流管理中如何进行合理的运输决策．     

地下物流多级节点选址的双层规划模型

地下物流系统逐渐成为缓解城市交通问题的新思路,其中地下物流节点选址是其中的关键问题。利用分级配送的原则,首先基于聚类算法依据货物需求情况对城市进行区域划分。然后,在保证地上交通畅通的情况下,构建了基于双层规划的多级地下物流节点选址优化模型,并利用模拟退火-贪心算法求解一级、二级物流节点位置及各节点间可运输的最大货运量。最后,通过分析算例,验证了该地下物流多级节点选址模型的正确性和实用性。