带二维装箱约束的需求可拆分车辆路径问题模型及算法研究

车辆配送计划时通常会考虑货物易损、易碎的可能性,以及如何充分利用有限的运输资源对货物进行配送以满足顾客的需求。在车辆有限、货物易损坏、顾客需求可进行拆分等环境下,实现车辆配送总路径最短,即考虑二维装箱约束的客户需求可拆分的车辆路径问题。对问题进行详细定义,建立了2L-SDVRP模型。将遗传算法与BLF算法的结合求解模型;并用数值案例验证算法有效性。     

多需求点间车辆调度模型及优化算法混合求解研究

为解决多需求点间同时集送货问题,建立考虑需求拆分和转运的车辆路径模型.在模型中,加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束,提高问题的普遍性.在模型的优化算法中,算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式,外层算术优化算法得到配送车辆的任务量,内层蚁群算法优化路径,并将结果反馈给外层算法继续更新求解,直至达到终止条件.同时,添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进,增加解的多样性,提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较,改进的算法解决本文问题效果更好.     

需求可拆分车辆路径问题的蜂群优化算法

文章研究了需求可拆分的车辆路径问题,通过解除传统车辆路径问题中每个任务点需求只能由1辆车满足的约束,建立了寻求满足配送要求最短行驶距离的数学优化模型,在改进反应阈值和刺激信号值的基础上提出了一种新型蜂群优化算法。仿真实验结果验证了算法的可行性,并通过与其他典型算法对比凸显了该算法较强的寻优能力。     

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。     

面向PI集装箱的组合适配装箱算法

针对PI(Physical Intemet)集装箱与货物的适配问题,考虑PI集装箱标准化、模块化、可扩展的特性以及货物装箱的体积、方向、完全支撑等约束,通过PI集装箱模块化重组,构建与货物适配的组合式PI集装箱,目标是PI集装箱的空间利用率最大化.结合PI集装箱组合适配装箱问题的特性,设计一种组合适配装箱算法,包含货物分类、货物装箱、箱体组合等三个步骤.在货物装箱步骤中,嵌套调用基于粒子群算法的改进模因算法求解货物装箱顺序和位置,该算法引入多种群变异策略以提高算法前期搜索质量,引入路径重连技术和扰动操作防止算法陷入局部最优.在多批量少货类和少批量多货类两种实验场景下进行求解,并通过算法对比验证了改进模因算法的有效性.     

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。     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

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.     

求解货物在线装箱问题的融合算法

实现集装箱的自动码放规划对于提高装箱容积率、提高经济效益具有重要意义.针对货物在线码放过程中存在的多种实际约束,提出一种由在线极值点(online improved extreme point,IE)算法与模拟退火(simulated annealing,SA)算法结合的在线融合码放(IES)算法,考虑货物尺寸约束,质量约束与装载顺序约束设定多种码放规则以及优化函数,对IE算法中角点坐标序列进行实时迭代更新,并将该角点序列作为初始解序列,基于模拟退火优越的局部搜索能力以及算法的灵活性,两者融合来寻求全局最优角点解坐标.实验结果表明IES算法平均容积率达到89.17％,相比IE算法提高10.34％,证明IES算法在强异构货物实时码放和提高集装箱容积率方面有较好效果.该算法提高了三维装箱算法的工程性,为实现集装箱货物的自动码放创造了必要条件.     

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。     

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。     

车辆与无人机混合编队的路径优化问题模型构建

为研究无人机与传统车辆配送融合的混合编队问题,即车辆与无人机混合编队路径优化问题(vehicle-drone routing problem,VDRP),梳理了近年来国内外针对无人机与车辆配送路径优化的相关数学模型构建方法,据此提出在传统旅行商模型(traveling salesman problem,TSP)和车辆路径模型(vehicle routing problem,VRP)基础上,结合无人机工作特点,考虑各模型研究中的网络结构以及约束条件,构建了基于TSP的车辆-无人机扩展路径模型(TSP-D)和基于VRP的车辆-无人机扩展路径模型(VRP-D)。在数学模型中考虑多架无人机同时取货、送货情况下可能附加的约束。与传统TSP和VRP模型相比,无人机融入配送路径优化问题之后其网络更具复杂性,进行模型构建时除要考虑传统的车辆路径约束、车辆时间约束外,还要考虑无人机路径约束、无人机时间约束,特别是要增加车辆与无人机在路径节点和时间协调的协同约束。鉴于该模型的复杂性,采用LINGO软件和一系列小规模算例对模型进行了测算。结果表明:车辆与无人机混合编队的配送模式比传统采用车辆单一配送模式在节约配送成本上具有一定的优势。通过总结现有的研究,提出了VDRP未来主要的研究方向包括,更现实模型的构建、精确算法和启发式算法的设计、测试算例数据源的构造。     

基于顾客时间满意度的车辆路径问题

考虑到普通带时间窗约束的车辆路径问题(vehicle routing problem with time windows,VRPTW)模型不能真正反映顾客对时间的偏好,故在车辆路径优化模型的基础上,结合顾客时间满意度函数,同时放松需求点经过即被服务的约束限制,允许多次经过同一需求点的情况发生,而需求点只能被同一辆车服务一次,建立了基于顾客时间满意度的车辆配送(vehicle routing problem with satisfaction,VRPWS)模型,并利用模拟退火算法编程求解.为验证VRPWS模型的有效性进行了数值实验.实验结果表明:与传统的带软时间窗约束的车辆路径优化(vehicle routing problems with soft time window,VRPSTW)模型和VRPTW相比,VRPWS模型配送效益提升了170.0%和3.2%.分析结果表明该工作在一定程度上有助于物流企业在配送过程中提高顾客满意度和降低运输成本.     

高自由度响应公交分区路径与调度的协调优化

因乘客乘车时长、车辆容量等的限制,较大服务区域内可能需要开通多条线路、运行多辆车,故有必要进一步划分服务区域,按分区安排发车时间、配置车辆、优化行车路径等。考虑预约型乘客的出行需求,构建了协调优化分区路径与调度的迭代算法。针对每个分区,以乘客出行时间窗要求、车辆容量、车辆出行时长等为约束,以车辆总费用最小为目标,基于VRP方法构建了分区路径优化模型,设计了遗传模拟退火求解算法。通过多组试验获知,车型可选时,无论需求大小,均可降低总费用,但需求越大,总费用降低程度越小;总费用与分区数相关,低需求量时分区可能产生不利影响,较高需求量时适当分区将大大降低总费用,最优分区数不随需求量的增加而增加;本优化方法能显著减低总费用。     

基于改进布谷鸟算法的配送车辆路径优化方法

针对配送车辆行驶路径选择不合理、配送效率降低等问题,提出基于改进布谷鸟算法的配送车辆路径优化方法。遵循路径最短配送原则,构建目标函数,为简化模型结构,设置路径优化的相关约束条件,保证每个需求点只能被配送一次,车辆必须在最大距离负荷范围内行驶,建立路径优化模型;分析经典布谷鸟算法的鸟巢位置更新过程,添加调整因子,引入动态惯性权重;通过布谷鸟搜索算法求解优化模型,经过种群初始化、鸟巢位置更新等过程不断寻找全局最优解,当满足迭代停止条件时,输出最佳优化方案。实验证明,该方法搜索能力强,解集分布均匀,能确保配送路径最短,提高配送效率。     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

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.     

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.     

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。     

基于混合遗传算法的物流配送路径优化分析

货物的合理配送,除了选择合适的交通运输方式外,还要确定合理的配送路线和货物的运输量,不同的运输条件、组织方法,车辆可以按照不同的配送路线完成配送任务.本文在构建了物流配送路径优化数学模型的基础上,提出了基于局部竞争机制的选择小生境技术和自适应调节交叉变异参数方法提高全局收敛性能,最后将带有记忆功能的模拟退火算法与上述改进遗传算法相结合提高局部搜索能力,从而构造出一种新的混合遗传算法,经过计算证明,这种混合算法可以在很大程度上解决上述问题,并得到最优解或者近似最优解.