时变路网下多配送中心多车型联合配送

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,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。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,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。     

时变路网下多中心混合车队联合配送车辆路径优化

针对时变路网下多中心混合车队联合配送车辆路径问题,综合考虑多配送中心开放、燃油车及电动车联合配送、车辆行驶速度连续变化等因素的影响,构建以车辆固定成本、运营成本和时间窗惩罚成本之和最小为目标的优化模型.根据问题特征,设计混合启发式算法进行求解,算法中采用K-means聚类方法生成初始种群,然后用变邻域搜索算法进行搜索优...     

基于分区的多配送中心多车型车辆调度问题与遗传算法设计

 研究大规模的多配送中心多车型车辆调度问题,首先基于配送中心几何重心分区方法将多配送中心多车型车辆调度问题转化为单配送中心多车型车辆调度问题,该分区方法简单、直观,大大降低了运算量.建立了一种基于完整配送费用的多配送中心多车型车辆调度问题的数学模型,配送费用在考虑基本运输费的基础上又引入了司机的工资支出,包括基本工资和加班费.在多配送中心多车型车辆调度模型中,一个配送中心的一辆车可以为多个客户服务,但一个客户只能由某个配送中心的一辆车提供服务.根据模型的这些特点,提出了一种新的多片段染色体混合编码方案,并采用分段交叉、分段变异方法有效继承了父代染色体的部分基因,显著提高了算法的收敛性能.数值仿真结果验证了算法的可行性和有效性.     

时变路网环境下多温冷链配送路径优化研究

【目的】生鲜产品在冷链物流配送过程中的新鲜度及货损成本与配送行程所耗时间密切相关,而配送车辆在城市路网中不同时段行驶的速度不同,基于此在考虑了道路交通状况的时变路网特性之后研究配送的优化问题。【方法】针对时变路网环境下的多温区产品配送车辆调度问题,考虑载重质量与车厢容积及时间窗约束,建立由运输成本、货损成本及制冷成本构成的目标为总配送成本最小的数学优化模型,设计基于模拟退火算法的求解程序,并用MATLAB对实例进行求解。【结果】与以往研究中用平均速度方法求解出时间变量的方法不同,通过时变路网理论及模型求解,验证了时变路网环境下冷链配送路径优化模型及算法的有效性。【结论】结合时变路网,改进了货损成本中腐败函数的时间变量求解方法,刻画了各配送车辆每完成一个客户的配送后,车辆剩余货物在余下配送时间里货损成本继续发生的动态过程。     

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。     

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。     

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.     

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。     

考虑节能的城市物流配送方案优化

针对城市物流配送环节,提出了一种能够节约车辆能耗的物流配送方案优化方法.首先,在考虑载重和车速对车辆能耗因子的影响及时间窗开启前的等待时间约束等条件的基础上,提出了以能耗最小为目标的物流配送路径选择数学模型,并采用蚁群算法求解该问题,实现物流配送方案的一次节能优化;然后,基于一次优化结果,通过调整配送车辆从配送中心及各配送点出发的时刻,实现物流配送方案的二次节能优化;最后,基于北京市道路网的仿真试验显示,相对于以最短时间为目标的优化方法,本文提出的节能优化方法可使城市物流配送过程中的能源消耗平均降低约6.68％.     

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。     

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。     

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。     

多车场车辆路径问题及混合遗传算法

在多车场车辆路径问题中,综合考虑车辆的行驶路程和使用车辆的数量能有效降低配送成本,考虑了这两方面的因素建立了相应的数学模型,运用混合遗传算法进行了求解,并通过实例证明了模型和算法的有效性。     

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.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

武汉市烟草配送路径及运力优化

根据烟草产品特点,针对武汉市现有的配送体系和地理特点,建立了配送路径及运力优化方案数学模型,并确定了配送路径优化设计静态和动态约束条件,所涉及到的问题是带有时间限制和车辆载荷限制的车辆路径问题.其解决方案是采用二阶段算法对配送路径进行先排线路再分组法,并应用带有载荷约束的单巨集切割法,将大规模VRP问题分为线路划分和单车线路优化2个子问题,有效地解决了配送路径和运力优化问题.并通过案例对模型和解决方案作了进一步分析验证.     

顾客时间窗变化的物流配送问题干扰管理方法研究

为解决物流配送过程中顾客时间窗变化而导致的物流配送计划无法实现的难题,运用干扰管理方法,以干扰事件发生时的问题状态为基础,提出了新车增派策略和多车协作策略及其实施条件,并在此基础上建立了问题扰动救援的一种启发式算法.该算法针对受扰车辆路线上的所有顾客,根据新车增派策略和多车协作策略,依次将每一顾客在原计划的送货车辆、其他在途车辆,以及增派的新车之间分配,并重新规划分配之后的车辆路线.最后在标准算例上使用该算法与文献遗传算法进行了比较分析,结果表明该算法对于干扰事件发生后的车辆路线重排结果在系统整体扰动程度方面明显优于文献算法.