基于双模式更新五行环算法的多目标冷链配送

针对生产运输中广泛存在的冷链配送问题，建立了以配送成本最小化和顾客满意度最大化为目标函数的多目标冷链物流优化模型。基于五行环优化(FECO)算法，提出了双模式更新个体的五行环优化算法(FECO-DMUI)，并对多目标冷链物流模型进行求解。将FECODMUI算法与FECO算法、NSGA-II算法、鲸鱼优化算法和灰狼优化算法进行比较，结果验证了本文模型和算法的有效性，同时验证了FECO-DMUI算法在多目标冷链配送问题中能更加高效地获得路径优化的最优解集。     

基于中小连锁超市的GIS物流配送系统

根据物流配送的实际需要,基于GIS基本理论和方法,以电子地图为基础,集优化算法和仓库管理分析于一体,进行货物配送方案的优化,并以地图和报表的形式向用户提供方案,实现了配送方案和运行数据的可视化,促进了运输部门管理的科学化、信息化进程。有利于提高中小超市连锁配送的效率,降低企业运输成本。对系统进行了详细的总体模块设计和功能设计,建立了基于GIS的物流配送系统模型,实现了系统的整体框架,此系统的构建对于物流企业来说具有重要的指导意义。     

城市现代物流系统建设的相关问题

基于我国城市货运交通发展及物流系统建设的现状 ,提出了我国城市货运交通发展的方向——建立以社会化、共同化、现代化为标志的物流系统 ;设计了现代物流中心管理信息系统的系统功能 ;给出了优化配送径路数学模型和优化算法 .以上海市为例 ,论述了现代物流中心的规划设计等问题     

基于VMI的配送决策问题

物流配送是物流活动中直接与消费者相连的环节.在物流的各项成本中,配送成本占了相当高的比例.采用科学、合理的方法来进行配送车辆调度(Vehicle Scheduling Problem,VSP),是物流配送中非常重要的一项活动.对供应商管理库存(Vendor Managed Inventory,VMI)管理思想下的VSP进行了研究,重点就VMI管理方式下库存和配送运输集成问题建立了数学模型和迭代优化算法,并实证了VMI对于供应链物流配送系统具有降低配送成本等优化作用.     

基于NSGA-Ⅱ的物流末端人员配置的多目标决策

研究同时考虑客户满意度和成本的物流末端配送环节中快递人员配置问题。在考虑到满意度和快递员的情况下,通过人员配置成本、惩罚成本和运输成本所构成的总成本最小和顾客满意度最大时的人员配置方案,并采用NSGA-Ⅱ算法在Python软件上求解物流末端配送问题,最后进行了案例分析。分析结果表明：所建立的物流末端人员配置和路径优化的多目标优化模型实现了人员配置、客户满意度和成本的优化,且能够在保证客户满意度的情况下降低人员成本。所提出的方案为物流末端快递人员配置的多目标优化问题提供了理论依据。     

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.     

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.     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

装配型连锁制造企业物流配送优化技术探讨

针对装配型连锁制造企业物流模式对准时制供应的需求,进行了备用仓库成本优化分析和供应及时性分析,在此基础上建立了备用仓库优化分析模型,对物流配送过程中的准时制(just in time,JIT)仓库优化技术进行了量化研究;为实现物流配送的及时有效性,研究了配送过程的JIT优化发运技术,建立了物流中心配送模型和配送系统算法流程.研究成果在某成套电器连锁制造企业的物流中心规划与设计中得到了应用,取得了较好的应用效果.     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

基于地域特征的物流仓储中心逆向选址算法

物流仓储中心地址的选取,从根本上决定了物品出发地和运达地之间的距离,直接关系到物品能否被及时高效地运输,以及配送成本和仓储成本能否最小化。针对传统物流仓储中心选址求解算法脱离实际应用、且容易出现局部最优、求解速度较慢和注意力单一等问题。为减少物流配送时间,降低物流成本,切实提出选址解决方案,通过对K均值聚类算法和帝王蝶优化算法进行改进,研究了京津冀地区物流仓储中心的选址问题。实验仿真结果表明,提出的改进帝王蝶优化算法较其他优化算法在求解精度、收敛速度和迭代次数上均有优势,能够有效完成物流仓储中心选址问题,切实可以缩短物流配送距离,提高物流配送效率。     

POEM平台在物流优化实验中的应用

基于NCL建模语言的POEM(Programming in Operational and Expressive Models)优化平台可以对物流中的典型优化问题进行研究、分析和实验,设计合理的物流调度方案,顺应物流智能化管理的需要,有助于学生通过实验获得信息化层面之上更高一级的运筹学优化问题解决和分析能力。POEM为培养高素质的物流技术人才提供了一个良好的学习和培训平台。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

基于组合GA的双向物流网动态优化设计与求解

为实现整合正/逆向物流网络的动态优化,建立了随机环境下多品种、多周期、有容量限制的整合正/逆向物流网络动态优化模型,并设计了组合遗传算法(genetic algorithm,GA)进行模型求解.对整个规划期拆分成多个决策期,进行生产工厂与物流中心的准确定位,对物流网络中各节点间的流量合理优化,基于随机机会约束规划建立了物流网络动态优化模型,设计了相应的组合遗传算法.采用8个消费域,2类产品,5个备选物流中心,3个生产工厂和3个规划期数进行数值模拟仿真.结果表明,该方法可以得到设施布局决策变量最优值,能够灵活实现不同需求下物流网络的最优布局,可以有效用于物流网络的动态优化.该模型根据现实情况的需求进行合理的物流网络布局,同时可以进行灵活变换,具有重要的实用价值.     

实际约束条件下多配送中心物流车辆调度优化

传统方法难以解决有时间窗等具有实际约束条件,且调度结果并非最优,提出一种基于变邻域搜索算法的多配送中心物流车辆调度优化方法。对多配送中心物流车辆调度优化问题进行分析,在分析结果的基础之上构建实际约束条件下多配送中心物流车辆调度数学模型;利用变邻域搜索算法求解物流车辆调度模型的最优解,完成实际约束条件下多配送中心物流车辆的调度优化。实验结果表明,采用所提方法进行多配送中心物流车辆调度,其总运输时间短、运输总费用低,调度结果较优,且符合实际约束。     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

蚁群算法在医药物品配送路径优化中的应用

在分析医药物流特点的基础上,提出了医药物流数学模型的合理假设和约束条件,构建了医药物流配送路径优化的目标函数.鉴于蚁群算法具有较强的发现较好解的能力,运用蚁群算法对目标函数进行寻优.仿真实验结果验证了该算法的有效性.     

基于量子粒子群算法的物流配送中心选址

在物流系统网络中,物流配送中心地址的优化选择不但能够高效及时地完成物资的配送,而且能使得配送成本和仓储成本等运营成本最小化,显著提高物流管理的效率和能力。针对物流配送中心选址最优解的问题,通常采用经典粒子群算法解决,但其有易早熟收敛和仅能得到局部最优解的缺陷。为了克服此缺点,将量子进化算法融入经典粒子群算法中,采用量子理论中独有的叠加态和概率幅特性,粒子最优位置的搜寻采用量子自旋门完成,粒子位置的多样性变异采用量子非门完成,以免出现局部最优解和早熟收敛缺陷。实验结果表明,与经典粒子群算法相比,量子粒子群算法在最优解的搜寻能力和优化效率方面更具有优势,能够优化配送中心的地址选取,从而减少物流运营的总成本,提高物流配送的效率,优化物流管理系统。