基于比例效用理论的第四方物流路径问题研究

不确定环境下的第四方物流路径优化问题,考虑到人们在不同情况下会有不同的行为特征,基于比例效用理论以及前景理论的价值函数,同时考虑运输任务的运输时间和运输成本,建立了第四方物流路径优化模型。分别采用枚举算法、蚁群系统和改进的蚁群算法对模型进行求解。通过算例,分析验证模型和算法的有效性。     

带有随机运输时间和成本的4PL路径优化问题

针对复杂多变环境带来的第四方物流(4PL)运输时间和成本的随机性,研究带有随机运输时间和成本的4PL路径优化问题.在总运输成本约束下,以总运输时间最小为目标,建立期望值模型(EVM)以及机会约束规划模型(CCPM).进而,为提高模型求解效率以及鲁棒性,将CCPM转化为等价确定性模型(EDM).根据4PL选择路径过程中需要同时选择第三方物流供应商的特点,设计蚁群算法和带有替换策略的改进蚁群算法对模型进行求解.算例分析验证改进算法的有效性,并表明EDM在保证解的鲁棒性的同时保证了较高的求解效率.     

多周期的第四方物流弹复性正逆向集成网络设计模型与算法

在第四方物流的服务模式下,为了使产品的配送与回收能够在动态环境下安全、有效的运作,研究多周期的第四方物流弹复性正逆向集成网络设计问题.构建了在满足弹复性约束条件下,使总成本最小化的网络设计优化模型,在考虑多个运营周期条件下同时优化正向和逆向网络.鉴于该问题的NP-hard特性,设计了一种改进的蚁群算法.最后,通过数据随机产生的算例来测试模型的合理性以及算法的有效性,并且改进的蚁群算法的性能优于标准的蚁群算法.     

考虑客户拖期心理成本的4PL路径问题的模型与算法

针对不确定环境下客户有限理性行为带来物流运输方案可行性较差的问题,结合行为科学中对人的行为感知以及运筹学中定量的研究方法,研究考虑客户拖期心理成本的第四方物流(4PL)路径优化问题。基于前景理论,建立以客户期望时间、第三方物流(3PL)供应商运输能力和信誉为约束,最大化运输成本总效用为目标的优化模型,并采用改进蚁群算法进行求解。实例分析表明,模型的合理性和算法的有效性。     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

考虑中转发车时间4PLRP的模糊规划模型与算法

针对运输过程转运需等待发车时间的实际问题,提供了一种解决方案.此方案目的是在指定交货期的前提下,选择满足客户要求的转运节点和供应商.为此,从第四方物流供应商角度,建立了以运输成本最小为目的,带有模糊处理时间且考虑中转发车时间的单点到多点多任务第四方物流路径问题(4PLRP)的模糊规划模型.在模型的求解上,首先将问题转化为清晰的等价模型,然后针对清晰化的模型设计了蚁群优化算法进行求解.实验分析表明提出的模型更加真实地模拟了转运需等待发车时间的运输情景,并且验证了该算法对解决此类问题的有效性.     

优化差异工件单机批调度问题的改进蚁群算法

研究了单机环境下工件尺寸有差异的批调度问题,设计了一种改进蚁群算法对问题的制造跨度进行优化.首先引入了Metropolis准则的概率选择机制作为路径激励策略,避免蚁群算法过早收敛的问题;然后采用了Batch First Fit算法对蚁群的路径进行解码,以产生可行的分批方案.最后选取了问题的所有24类算例,将改进的蚁群算法和遗传算法及模拟退火算法进行了全面的对比实验,结果验证了改进的蚁群算法的有效性.     

4PL模式下供应链资源整合决策的优化模型及算法分析

在第四方物流(4PL)模式下的供应链资源整合运作特征基础上,提出了基于主导因素评判的资源整合决策模式,建立了整合决策的优化数学模型,搭建了改进的蚁群寻优算法来实现整合决策优化过程的求解.最后通过算例仿真验证了算法的有效性与可行性.     

基于动态蚁群遗传算法的弹药保障路径选择研究

战时弹药保障路径规划属于典型的不确定性路径规划问题,针对战时弹药保障路径的特点,对传统的解决最短路问题的蚁群算法进行改进,引入将蚁群算法和遗传算法相混合的策略,提出了基于动态蚁群遗传算法的路径优化算法,并通过仿真实验验证此算法可快速、科学和稳定地解决弹药保障路径选优问题.程序实现简单、研究结果可靠,能够为弹药保障路径选择的决策提供科学可靠的辅助手段,具有一定借鉴意义.     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

带时间窗集送货需求可分车辆路径问题的改进蚁群算法

围绕提高物流效率、降低运输成本,对集送货需求可分车辆路径问题进行了研究。首先考虑集送货需求可分和时间窗的约束,设计了带时间窗集送货需求可分的车辆路径模型,然后结合模型特点提出了一种改进的蚁群算法,并通过算例分析与已有文献算法结果进行比较。研究结果表明,改进的蚁群算法能够有效地求解集送货需求可分的车辆路径问题。     

4PL模式下网购供应链资源整合决策

为客户提供满意的个性化物流服务是网购企业提升客户体验价值和竞争力的关键,满意的个性化物流服务需要对网购企业后台运行的供应链资源进行有效整合。当前,第四方物流(4PL)在实践中的成功运作,逐步表明它是实现供应链复杂资源合理、高效、灵活整合的有效模式。在网购供应链资源整合特征分析的基础上,基于网购个性化物流服务模式分析并挖掘出资源整合的主导因素,建立了整合决策的优化数学模型,构建了改进的蚁群寻优算法来实现整合决策优化的求解。最后,通过算例仿真验证了算法的有效性与可行性。     

考虑蓄意攻击的第四方物流弹性网络设计模型

研究考虑蓄意攻击的第四方物流弹性网络设计问题.建立一个双层的第四方物流网络设计优化模型,上层模型确定网络结构,并在一定弹性水平下最小化网络成本,下层模型则通过选择攻击策略来最大化网络的攻击效果.设计了双层优化算法,上层概率解发掘算法求解网络设计问题,下层迭代局部搜索算法求解最优的攻击策略.最后,仿真实验结果表明模型的合理性和算法的有效性.     

基于改进蚁群算法的建筑火灾疏散路径规划研究

针对综合建筑火灾中人员疏散路径动态规划问题,以待疏散人员所需逃生时间最短为目标,考虑火灾产物和人群密度对人员逃生速度的影响,构建基于改进蚁群算法的人员疏散路径规划模型。建立由障碍物顶点栅格构成的疏散网络数据模型,改进蚁群算法的启发函数、死锁处理策略,引入烟花算法中的爆炸算子优化蚂蚁路径,以某综合建筑为例进行仿真实验。结果表明：该模型不仅能够避免疏散路径经过危险区域,还可根据建筑环境状况和人员分布情况实时调整疏散路径,提高了人员疏散路径安全性。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

求解连续函数优化问题的改进蚁群算法及仿真

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径.     

基于蚁群算法的拣选作业优化问题

蚁群算法是一种新型的启发式算法,研究表明该算法具有较强发现较好解的能力,但同时存在一些缺点如易出现停滞现象、 收敛速度慢等.在蚁群算法的基础上结合自动化立体仓库固定货架拣选作业的特点,构建了货物拣选路径问题的数学模型,设计了新型的改进蚁群算法用于合理优化货物拣选路径以减少作业时间,并在算法中 采取了三个改进措施, 改善基本蚁群算法的搜索能力.候选节点集合策略和自适应调整算法参数能有效提高算法的搜索速度,选择算子使问题的解始终保持最优.实验表明该算法具有较好的全局寻优能力, 收敛速度大幅度提高,能够很好地满足中大规模的拣选作业要求.     

带有费用折扣的第四方物流路径问题的研究

从第四方物流供应商角度,在考虑第三方物流供应商和转运节点综合能力以及多任务费用折扣基础上,建立了单点到多点第四方物流路径问题的模糊规划模型.在模型求解上,根据问题在选择路径的同时还需选择第三方物流供应商的特点,设计了双列变长编码机制的文化遗传算法.算例分析表明,与遗传算法和嵌入K-短路的遗传算法比较,计算效率和求解质量上均具有较大的提高.     

应急物流的分批配送模型及亚启发式算法求解

提出分批配送的应急物流模型,将救援物资配送归结为三个目标:供需差异最小化,配送时间最短化,各灾点失衡度最低化;通过加权求和兼顾救援的紧迫性、动态性和公平性,将各灾点总需求分为三个周期由多车分批予以满足。(a)改进遗传算法:设计染色体编码规则,将单个周期内的路径选择-配送方案映射为基因序列;(b)设计蚁群-遗传混合算法,由蚁群搜索生成初始种群,再做遗传寻优。数值仿真结果显示,单纯遗传、蚁群及混合算法均可有效求解模型,但混合算法效果更优,收敛更快。