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.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

基于转移支付的非一体化库存路径问题协调模型

文章研究一个配送中心和N个具有确定需求的需求点的库存路径协调问题,首先讨论独立决策下各参与者的决策,即各个需求点利用EOQ模型得出自己的最优订货量和周期,而配送中心只能根据这些订货量和周期进行配送,采用C-W节约算法求解车辆的调配和配送路径;研究了一体化库存路径问题,利用改进的遗传算法嵌套C-W节约算法,给出了一体化库存路径问题的最优决策,探讨了使用转移支付的协调手段让所有需求点都合作的条件。     

基于PSO-VNS算法的质押物配送路径研究

【目的】在改进动态惯性权重粒子群算法的基础上,结合 VNS 算法,进一步改善该算法的局部搜索能力和全局寻优能力。【方法】以配送质押物的车辆运行总距离最小为目标,将它转化为带距离和容量约束的车辆路径问题,建立数学模型。针对粒子群算法的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的算法能够快速跳出局部收敛,全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。
     

基于哈里斯鹰算法的两级冷链配送路径优化

农产品供应链是农产品流通现代化的重要体现。随着生活水平的提高,人们对生鲜农产品的需求逐渐增加,农产品供应链冷链配送压力不断增大,农产品包装也随之造成严重的环境污染。文章基于对包装二次利用的考虑,以车辆固定成本、车辆运输成本及制冷成本最小为目标,构建考虑客户满意度的两级生鲜农产品冷链车辆路径优化数学模型,融合变邻域搜索机制的离散哈里斯鹰算法对该模型进行求解,使用迭代贪心算法和随机方法生成初始解,然后使用设计的搜索算子寻优。通过仿真实验对提出算法与其他算法和数字优化技术（CPLEX）进行对比,验证了文章提出的改进哈里斯算法可行性、高效性及稳定性,对城市限行下农产品冷链配送路径优化问题研究具有一定的意义。     

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...     

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。     

针对多中心场站下两级选址路径问题的双智能集成算法

两级物流网络的构建一直是城市物流领域中的主要课题,中心场站和枢纽点的辐射范围、枢纽点与客户点的对应关系以及配送路径问题一直是两级物流网络的难点.为解决这一系列问题,提出一种基于多中心场站选址路径问题的数学规划,并在拥有两阶段算子的自适应大邻域搜索算法、模拟退火算法的基础上,提出一种双智能集成算法.在两级结构中,使用两阶段算子的自适应大邻域搜索算法解决了每一级节点分配问题后,使用模拟退火算法求解了每一个主节点与其子节点形成内循环的遍历序列——仅考虑内循环为旅行商问题的情况,两级车辆路径问题与节点分配问题的耦合造成其极高的复杂性.最后选取不同量级的数据集对算法性能进行有效性测试,确定算法在一定时限内明显优于数学规划与部分现有的启发式算法,实验结果还说明了枢纽点数量与总成本之间存在一定的效益悖反.     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

一类带时间窗口的定位-路径问题的启发式算法

考虑了一种车辆和仓库都有能力约束、顾客有hard时间窗口限制的多仓库选址和运输优化问题;给出了一个组合的两阶段启发式算法,第一阶段在考虑客户需求点时间窗口的情况下将其分配给合适的仓库备选点,第二阶段再用改进的节约算法对每个仓库及其相应的客户群优化路线;最后通过实例进行了实验计算分析。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

一种基于禁忌搜索算法的车辆路径问题的改进算法

针对车辆路径问题,提出了一种改进的禁忌搜索算法,通过从当前解的正序和倒序2个方向同时进行邻域搜索,扩大了搜索的范围.实验结果表明:该算法所找到的解质量较高,能有效解决车辆路径问题.     

半开放式多车场车辆路径问题

基于现代物流业发展的实际需要,提出半开放式多车场车辆路径问题,并建立了数学模型.由于半开放式多车场车辆路径问题具有NP-hard性质,为了有效求解,基于车辆路径问题中的经典路径构造算法和局域搜索算法,设计了求解所提出问题的节约算法、顺序插入算法和并行后悔插入算法.利用标准算例进行数值试验,分析了3种算法中的参数和所嵌入局域搜索方法对求解结果的影响,并对不同算法的求解结果进行了对比分析.关     

适于配送车辆导航路径规划的遍历模型的改进型粒子群优化算法

车辆路径规划是物流配送导航系统中的关键环节,是实现物流配送路径引导的前提条件和车辆导航的技术保障.为解决物流配送车辆导航中的路径规划问题,文中建立了物流配送车辆导航路径规划(VND)遍历模型,设计了求解该模型的改进型粒子群算法,并对初始种群的产生方法及种群的进化策略进行改进,使原本不能直接用于求解VND模型的基本粒子群...     

有容量约束车辆路径问题的蒙特卡洛模拟算法

带容量约束的车辆路径问题是一个NP-hard问题,针对此问题将蒙特卡洛模拟方法与流行的节省算法结合,提出Flag-MCS-CWS算法,该方法通过对CWS算法得到的节省序列进行蒙特卡洛模拟,适用于不同节点数、不同车辆载重量的车辆路径问题.在标准数据集测试,相比当前最优解有平均0.75%的改进,为车辆路径问题提供了更加有效的解决方案.     

Design of Vehicle Routing by Integrating Optimization and Simulated Annealing Approach

The vehicle routing problem (VRP) can be described as the problem of designing the optimal delivery or collection routes from one or several depots to a number of geographically scattered customers, subject to load constraints. The routing decision involves determining which of the demand s will be satisfied by each vehicle and what route each vehicle will follow in s erving its assigned demand in order to minimize total delivery cost. In this pap er, a methodology for the design of VRP by integrating...     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

CVRP中二维装载问题的研究

二维载重量限制的VRP（2L-CVRP）问题是一种新的组合优化问题,是VRP问题的一个现实延伸。2L-CVRP问题中包含了物流配送中的两个子问题：装载问题和路由选择问题。很多VRP的研究,往往只致力于在路由选择方面进行优化,而忽略装载问题。针对这个问题,本文阐述了三种常用的装载算法,通过提高车辆装载率,减少车辆数目,从而降低成本。最后给出了三种算法的实验对比。