装配式建筑配送中带时间窗VRP问题研究

近年来,带时间窗的车辆路径问题(vehicle routing problem with time window,VRPTW)得到了广泛关注和研究.装配式建筑是近年来发展的一种新型建筑类型,预制构件配送过程中会带来诸多复杂工程问题.本文以装配式建筑配送为研究背景,分析了当前VRPTW相关文献的研究现状,建立基于VRPTW的扩展模型,并采用智能优化算法进行求解.以经典的SOLOMN算例作为扩展,随机生成18个不同结构的算例进行测试,实验结果验证了本文所提出算法的有效性.     

改进的遗传算法及在物流配送路径优化中的应用

物流配送中带有时间窗车辆路径问题（vehicle routing problem with time window,VRPTW）是复杂的NP-Hard难题,本文针对这个问题提出一种改进的遗传算法．针对简单遗传算法容易出现“早熟收敛”的问题,算法设计了一种基于个体浓度的群体多样性保持策略,将其作为选择算子,依据个体期望繁殖率来选择子代,引入新颖的CX交叉算子．通过对实际的物流配送实例进行实验和计算,实验结果表明,该遗传算法可以更加有效地求得有时间窗车辆路径问题的优化解。是解决物流配送车辆路径安排较好的方案．     

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。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

区域配送中车辆路径优化的实证研究

区域配送是普遍存在的物流活动,配送路径优化是配送系统优化的关键.区域配送中的路径优化问题实质是最短路径问题和起讫点相同的单车场非满载有时间窗约束的车辆调度问题,以H公司为例,采用Excel建模法和节约法对区域配送中的车辆路径优化进行了分析和实证研究.     

一种改进粒子群优化算法在车辆路径问题的应用研究

基于集合的粒子群优化算法(set-based particle swarm optimization,S-PSO) 主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO (enhanced S-PSO)算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目(number of vehicle-route,NV)和总里程(total distance,TD)上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)均有大幅度降低。     

蚁群算法在西餐连锁店配送路径中应用

西餐连锁店的路径优化是各连锁店食品配送路线的优化,要求满足各连锁店时间窗的约束,可抽象为带时间窗的车辆路径问题(VRPTW).文中采用启发式算法对VRPTW求解.为正确衡量信息素和期望值浓度在进化的不同阶段对算法的贡献,引入了一种自适应转移策略来提高算法的求解效率,并通过综合考虑全局和局部信息的更新策略——蚁权策略进行信息素更新,加快算法的收敛速度.最后,通过11个经典VRPTW对该算法的性能进行了检验.并以大连市西餐连锁店为研究对象,运用本文所提出的蚁群算法求解大连市西餐连锁店的配送路线.     

城市物流中心车辆配送配载调度指派模型研究

基于交通条件约束、客户时间窗约束以及车辆承载能力约束条件下 ,以车辆的配送路径最短、拼装货品最多为优化目标 ,研究车辆配送与配载的两目标优化调度模型组 ,该模型组可以完整描述调度过程的优化目标和约束条件 .以VB6 .0进行仿真模拟 ,结果表明该模型可以有效模拟配送中心调度系统在多种约束条件下的配送、配载调度过程 ,得到的调度指派方案是可接受的 ,而且是有效的 .     

软硬时间窗共存装卸一体化车辆路径问题的混合离散粒子群优化算法

文章针对软硬时间窗共存装卸一体化车辆路径问题(vehicle routing problem with simultaneous delivery and pickup under coexistence of soft and hard time windows,VRPSDPCSHTW)建立了包含车辆固定出行成本、运输成本和惩罚成本的数学模型,提出了一种混合离散粒子群优化算法。针对基本离散粒子群算法容易早熟收敛而陷入局部最优等问题,内嵌一种变邻域下降局域搜索方法,并在一定概率下执行以加强种群搜索能力,最后通过3个算例的仿真分析进行了算法验证。     

家电配送问题的优化

针对快递公司配送家电送货上门的服务模式,引出带容积约束的家电配送问题(vehicle routing problem with volume constraint,VRPVC),建立相应的数学模型,应用混沌人工鱼群算法(chaos artificial fish algorithm,CAFA)求解。混沌搜索被引入人工鱼群算法来提高算法的全局收敛性,反馈策略用来指导人工鱼的移动,应用该算法及标准的遗传算法对所建立的模型求解,结果表明VRPVC模型的有效性和CAFSA的合理性。     

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。     

基于GASA算法的成品燃油战时公路配送路径优化

为了实现配送的路径优化,结合战时极其重要的物资--成品燃油,提出了多属性道路网络下成品燃油战时配送的路径优化问题.综合考虑战时配送VRP(vehicle routing problem)的多个评价目标,基于重要性的多目标分层优化思想,分析建立了问题的完全分层优化模型.将进化算法和传统优化技术相结合,构造了模型的两层求解算法,第一层采用遗传算法和模拟退火算法混合的GASA(genetic simulated annealing algorithms)算法,第二层采用枚举法.实验表明,所构造的算法较标准遗传算法更有效.     

禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

多中心半开放式同时送取货的车辆路径问题研究

研究了带软时间窗约束的多配送中心半开放式同时送取货的车辆路径问题,所有客户点均存在送取两种需求,并采用同一辆车同时提供送取服务.车辆服务完路线上所有客户点后,不一定返回起始配送中心,可就近返回任意配送中心.在此条件下,构建了以车辆运输成本、车辆租赁成本、时间窗惩罚成本等总和最小为目标的优化模型.根据问题特征,设计了自适应精英遗传算法对该问题进行求解,引入自适应机制,根据个体的适应度动态地调节交叉和变异概率,采用精英保留策略将优秀个体进行遗传保留,不仅增强了算法的全局优化能力,还均衡了算法的局部搜索能力.通过案例仿真,验证了模型和算法的可行性和有效性.研究成果丰富了车辆路径问题的相关研究,为物流企业提供了一种决策参考.     

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.     

Freight Vehicle Routing Optimization for Sporadic Orders Using Floating Car Data

The increasing popularity of e-commerce brings large volumes of sporadic orders from different customers,which have to be handled by freight trucks and distribution centers. To improve the level of service and reduce the total shipping cost as well as traffic congestions in urban area, flexible methods and optimal vehicle routing strategies should be adopted to improve the efficiency of distribution effort. An optimization solution for vehicle routing and scheduling problem with time window for sporadic orders （VRPTW- S） was provided based on time-dependent travel time extracted from floating car data （FCD） with ArcGIS platform. A VRPTW-S model derived from the traditional vehicle routing problem was proposed, in which uncertainty of customer orders and travel time were considered. Based on this model, an advanced vehicle routing algorithm was designed to solve the problem. A case study of Shenzhen, Guangdong province, China, was conducted to demonstrate the vehicle operation flow,in which process of FCD and efficiency of delivery systems under different situations were discussed. The final results demonstrated a good performance of application of time-dependent travel time information using FCD in solving vehicle routing problems.     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

遗传算法求解物流配送中带时间窗的VRP问题

用遗传算法求解第三方物流企业物流配送中带时间窗的车辆路径问题. 建立了一个配送优化调度模型, 使配送计划的编制在任何情况下都能归约为求解某种车辆路径问题.     

改进遗传算法求解带模糊时间窗冷链配送问题

为优化冷链物流配送路径,降低配送成本、提高客户对产品送达时间的满意度水平是冷链物流的关键。考虑到冷链物流承载的货物具有一定的特殊性且对温度的要求较高,提出在冷链物流配送中设定模糊时间窗反映顾客满意度。建立了运输成本、货损成本、时间成本等配送成本最小化和以模糊时间窗进行量化客户满意度最大化的多目标优化模型,采用改进遗传算法求解带模糊时间窗冷链配送问题。通过算例分析,验证了模型和算法的有效性与研究的实用价值。     

一种改进的种群增量学习算法求解带软时间窗的车辆路径优化问题

针对求解带软时间窗车辆路径问题(Vehicle routing problem with soft time windows,VRPSTW),提出一种改进的种群增量学习算法(Improved population-based incremental learning algorithm,IPBIL)优化运输总成本。提出一种新型的3维种群增量学习模型引导算法执行全局搜索,发现解空间中的优质解区域;设计一种基于客户间距离和惩罚成本相关度的交换操作进一步提高解的质量;提出一种关于时间窗问题性质的插入和逆转操作,对优质解区域进行细致搜索。最后,通过仿真实验和算法比较,验证了该文所提出的IPBIL的有效性。