集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。     

电动汽车共享站点间车辆人工调度策略

用户出行需求的潮汐性和不均衡性导致站点间车辆失衡问题严重,极大地制约了电动汽车共享的快速发展,采用合理的车辆人工调度策略可使车辆失衡问题得以解决.基于完全满足用户用车需求的前提,建立成本最低的调度需求模型,并采用遗传算法求解得出调度需求.构建了电动汽车共享站点间车辆人工调度策略,同时通过调度收益最大化的混合整数规划模型优化车辆调度路径,采用分支定界法求解.以"EVCARD"位于上海市嘉定区5个站点的实际订单作为输入,进行人工调度策略优化分析.结果显示:在用户用车需求增长的情景下,不增设停车位和车辆数目而采用人工调度优化策略,同比可以提升60%的订单服务量,相比增设停车位和车辆数目可以节约60%的成本投入.     

库存不足条件下车辆路径问题及其遗传算法

探讨了库存不足条件下物流配送的两种常用配送策略,并就不同配送策略构建了相应的车辆路径问题数学模型.在模型的求解上引入遗传算法,并根据问题的特点,构造遗传算法求解该问题的步骤.最后通过算例实验,验证了模型的通用性与算法的有效性.     

遗传算法在铁路客车横向稳定性多参数优化中的应用

以典型铁路客车的动力学模型为研究对象,以车辆最大可行速度为目标函数,采用遗传算法对其横向稳定性参数进行了最优化的计算研究．结果表明：遗传算法在求解车辆动力学系统的参数优化问题中具有很好的适用性．尤其是对于多参数、多峰的非线性问题,该法提供了求解问题全局最优解的可能性．     

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.     

车辆分时租赁模式高峰时段用户预约分配模型

租车高峰时段难以合理为用户分配车辆是分时租赁运营商面临的主要问题.针对车辆分时租赁模式下的用户预约分配问题,在对主要影响因素进行分析的基础上,提出了以运营商收益最大化为目标的用户预约分配优化模型,并设计遗传算法对模型进行求解.基于对仿真场景的假设将模型与算法应用于仿真算例中,算例结果表明:遗传算法适用于求解所提出的优化模型,通过对模型求解可以得到租车高峰时段运营商最大收益及相应的最优用户预约分配方案,并且通过比较分析得出模型所得收益优于传统预约分配方法,验证了模型和算法的可行性与实用性.     

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。     

同时考虑配送与安装需求的带时间窗车辆路径问题

电商企业经销的家电分为两类:一类是不需要安装的小型家电,如洗衣机、微波炉等;第二类是需要专业安装人员上门安装的大型家电,如空调、热水器等。家电对于安装、售后维修等综合服务有着很高的要求。以家电企业配送与安装物流作业问题为场景,研究同时考虑配送与安装两种需求的车辆路径问题,以总成本最小为目标,考虑配送车辆的软时间窗约束与安装车辆的服务水平约束,不同车型的最大工作时间约束,建立带时间窗的混合整数规划模型。基于遗传算法与粒子群算法基本原理,设计求解模型的混合遗传算法。该算法采取对配送车辆和安装车辆的访问路径同时进行编码、解码、交叉、变异等操作,又针对遗传算法的局部搜索能力不强的问题,将种群分为精英层和普通层,精英层利用种群中已经搜索到的优秀个体的信息指导进一步的搜索过程,普通层保证种群的多样性。仿真实验结果表明,混合遗传算法可以有效地求解带时间窗的配送与安装车辆路径问题。     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

库存不足条件下车辆路径问题及其遗传算法

探讨了库存不足条件下物流配送的两种常用配送策略,并就不同配送策略构建了相应的车辆路径问题数学模型。在模型的求解上引入遗传算法,并根据问题的特点,构造遗传算法求解该问题的步骤。最后通过算例实验,验证了模型的通用性与算法的有效性。     

基于客运需求的城乡公交动态路径问题研究

通过对城乡公交发展现状的研究,针对农村客运存在的问题和居民出行特征,将动态路径公交服务应用于城乡公交。在动态车辆路径问题研究的基础上,考虑车辆数限制、车辆载客容量限制、车辆由客运中心出发再回到客运中心的约束,建立了以总运营成本最小为目标函数的车辆路径优化模型。经过分析,采用商业数学规划软件Lingo120进行模型求解。最后,以留史镇为例验证了模型的有效性,结果表明该模型能在满足客运需求的前提下为车辆安排最佳运行路径,降低运营成本。     

区域公交车辆调度及购车计划的双层规划模型

借助双层规划模型,从系统的角度探讨了区域公交车辆调度和购车计划之间的有机联系.根据该问题的特征将其等价转化为:考虑车场容量、燃料及污染气体排放量等约束因素,如何在不同车辆数下构建每辆车完成班次的序列以完成所有班次,同时确定每辆车车型,追求车辆利用率最大和购车费用最少.利用遗传算法求解相应车辆数的上下层模型最佳解,比较所...     

一种改进的车辆调度问题的遗传算法

车辆调度问题是一个NP-难问题,不存在多项式时间算法.针对这个问题本文使用集合分划的方法把较为复杂的车辆调度问题分解为相对简单的多旅行商问题,提出求解该模型的两阶段法并且运用新的编码和解码方式;另一方面,结合遗传算法对一些测试数据进行仿真试验,并得出了理想的结果.     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

随机需求多车辆路径问题的重优化算法

针对随机需求的多车辆路径问题(MVRPSD),提出了一种简单有效的重优化新算法.该算法先用预优化策略给出一个预优化的单车辆路径,然后重复使用rollout算法对该路径进行进一步优化,将其划分为满足约束条件的多条子路径,不仅能满足实际需求,而且极大提高了优化性能.与现行方法对比实验结果表明,本算法可以对多车辆路径更为合理的优化,明显减少行驶费用,是求解随机需求的多车辆路径问题的一种有效算法.     

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.     

时变网络中物流车辆调度问题的研究

研究了时变网络中的车辆调度问题,设计了该问题的并行遗传算法并进行求解.仿真结果表明,该并行遗传算法优于BC-saving启发式算法.     

需求响应式公交车辆调度模型和算法研究综述

需求响应式公交车辆调度（Demand Responsive Transit Vehicle Scheduling,DRTVS）是需求响应式公交运营计划中的重要内容,一个合理的车辆调度方案对降低运营成本、提高运营效率具有重要意义,为此分析和总结了近十年来国内外关于DRTVS的优化模型和求解算法.首先,简要介绍了DRTVS模型及求解算法的分类和定义;其次,分别从调度方式、站点类型、时间约束和车辆类型4个角度对调度模型的构建和优化进行了阐述;再次,整理总结了常见的算法类型,以及每种算法的求解效果和适用条件;最后,针对当前研究中存在的建模时考虑因素不全面、假设条件过于理想化、算法求解精确度较差等问题,对优化模型及求解算法未来的研究方向进行了探讨.研究结果表明：近年来有关研究主要以动态调度、可变站点、软时间窗和多车型为主;调度模型的优化目标同时考虑出行时间、运营里程、服务质量等因素;现有车辆调度模型缺乏广泛适用性和实际可操作性;针对求解算法研究发现,小规模调度问题主要采用精确算法求解,对于大规模调度问题,使用启发式算法进行求解.     

遗传算法的改进算法在物流配送当中的应用

研究在城市区域内配送车辆的优化调度问题,建立优化物流配送的数学模型,然后构造求解该问题的改进遗传算法.实验表明,该算法性能高,能够有效的求解城市物流配送问题.     

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.