带软时间窗整车物流配送路径优化研究

为更好地解决整车物流配送问题,提高客户满意度,以总成本最小化为目标,构建了带软时间窗约束的整车物流车辆路径优化问题模型,进而对于该模型设计了自适应遗传算法,并用成品汽车配送案例对算法进行了验证.算例的数值结果表明,基于自适应遗传算法提出的整车物流车辆路径优化方案,可以满足分销商和客户需求,能够减少配送车辆数量、节省早到或晚到惩罚成本、提高企业的经济效益.该研究为改善整车物流配送问题提供了新的解决思路.     

碳交易机制对物流配送路径决策的影响研究

针对碳排放交易机制下的物流配送路径问题,引入考虑车辆载重和速度的碳排放度量方法,以TSP为基本参考模型,建立碳排放交易机制下的物流配送路径优化模型. 将该模型与传统的仅考虑经济费用的路径优化模型进行比较,说明碳排放交易机制下的路径安排策略能够有效减少碳排放. 通过数值实验探讨了碳交易、碳价格和碳配额对物流配送路径策略、碳排放量和总成本的影响. 并根据数值实验结果提炼出了一些对物流企业如何控制成本和降低碳排放的配送决策建议.     

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题。建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例。提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形。该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使用标签算法精确求解了固定商户配送顺序下的路径最优充电决策问题。测试结果表明：混合变邻域搜索算法可在极短时间内找到最优解,能大幅度降低物流成本。     

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型.运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合.应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析.分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法.     

基于路径约束的动态时间规整方法研究

针对某些领域应用动态时间规整(dynamictimewarping,DTW)存在的计算复杂性问题,提出了基于路径约束的DTW算法。首先通过建立原始模式的分段线性模型,生成该模型的初始规整路径,然后构造原始模式规整路径的全局约束。实验结果表明,这种算法能够保证匹配精度,有效地提高运算速度,适于解决动态多变量复杂系统和过程的故障诊断问题。     

基于改进遗传算法的物流配送路径优化

物流配送路径规划对于提高物流配送效率、节约配送成本具有重要意义。以物流配送路径总长度为优化目标,将其转换为经典TSP优化问题进行求解并建立了数学模型。基于该数学模型,提出改进的遗传算法,针对遗传算法的选择、交叉和变异分别提出了基于序的选择算子、基于最小代价树的交叉算子和基于随机点长度控制的变异算子。改进的遗传算法与简单遗传算法的对比仿真实验表明,所改进的遗传算法有较好的全局寻优能力,且其收敛速度快,是解决物流配送路径优化问题的有效方法。     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

一类半开放式车辆路径问题及其禁忌算法研究

对半开放式车辆路径问题进行了描述,提出了核心路径的概念和理论,并根据问题的特点设计了基于核心路径的禁忌算法.算法分为初始优化、核心路径的提取和连接以及后期优化三部分,采用自然数编码,用GENI插入法构造初始路径和进行邻域操作,设计了三种邻域以扩大搜索空间,用能力约束控制单条路径的配送点数,以增加惩罚的方式加入配送距离约束.算法利用核心路径的特点阻碍不良路径的生成,并在后期优化的第二阶段拆开核心路径,进行优化路径的调整.最后采用多组数据进行计算并对结果进行了分析,证明了基于核心路径禁忌算法对优化有能力和距离约束半开放式车辆路径问题的有效性.     

基于改进Q学习算法的无人物流配送车路径规划

为解决传统的Q学习算法用于无人车路径规划时,存在规划效率低和收敛速度慢等问题,为此,提出一种基于改进Q学习算法的无人物流配送车路径规划算法。借鉴模拟退火算法的能量迭代原理,对贪婪因子ε进行调整,使其在训练过程中动态变化,以平衡探索与利用之间的关系,提高规划效率。将奖励机制中的奖励值由离散值变为连续值,并使其随着无人物流配送车与目标点的欧式距离减小而增大,让目标点牵引无人物流配送车移动以加快算法收敛速度。在两种不同的环境下对改进的Q学习算法进行仿真实验,结果表明：改进后的Q学习算法可以高效地规划出一条从起始点至目标点的路径,步数为34步,优于对比算法的路径质量。通过改变道路环境,验证了改进Q学习算法对不同环境的适应性,规划效率和收敛速度依然优于传统Q学习算法。     

带时间窗的车辆路径问题的改进差分进化算法研究

研究带时间窗口的物流配送车辆路径问题(VRPTW),主要考虑车辆容量、时间窗口、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.提出了该问题的混合整数规划模型,运用改进差分进化算法求解该问题.算法采用序数编码,设计辅助算子解决变异问题,差分进化的交叉率随进化代数自动更新.应用MATLAB语言编程进行仿真计算,得到了最优解,结果表明该算法是求解带时间窗的车辆路径问题的一种有效方法.     

Charging Station Planning for Plug-In Electric Vehicles

A novel model for the charging station planning problem of plug-in electric vehicles is proposed in this paper considering the users’ daily travel. With the objective of minimizing the total cost, including the charging stations’ cost (including installing cost and management cost) and the users’ cost (including station access cost and charging cost), the proposed model simultaneously handles the problems where to locate the charging stations and how many chargers to be established in each charging station. Considering that different users may have different perception of station access cost and charging cost, two cases (i.e., homogeneous users and heterogeneous users) are typically investigated. The impacts of different discount rates, operating period of the charging stations, number of electric vehicles and number of charging stations on the location of the charging station are also studied. The simulation results not only show that it is very important to locate the charging stations according to the traveling behavior of users, but also verify the validity of the proposed model.     

考虑出行者异质的多类型充电设施部署优化

考虑新型的兼容插电式充电与无线充电的电动汽车，以及路网中具有不同时间价值的出行者，本文研究了在有限投资预算约束下的多类型充电设施部署优化问题，包括传统静态插电式充电设施和动态无线充电设施在路网上的布局.本文提出了一个双层规划数学模型，上层模型描述了政府在给定投资预算下，如何确定充电设施的部署位置与类型，以使得系统总出行成本最小；下层模型采用多类型用户均衡（UE）准则来描述路网流量分配与充电设施部署位置的相互作用，即出行者的出行选择行为.针对提出的双层规划数学模型，本文提出了改进的混合整数代理模型优化算法（MSO-MI），并在其中嵌入双投影算法求解下层的多类型UE问题.算例分析验证了提出的模型和MSO-MI算法的有效性.     

速度时变的多中心半开放式车辆路径问题研究

针对多中心半开放式车辆路径问题,考虑软时间窗约束和车辆速度变化情况,构建了最大化平均客户满意度、最短配送距离和最小配送成本为目标的优化模型,并设计了两阶段求解算法。基于自适应网格密度法和邻域拥挤密度法对多目标粒子群算法的外部档案进行维护及选取全局最优粒子,提高算法的收敛性和后期种群多样性,以获得初始可行解。用变邻域搜索算法优化初始可行解,减小配送距离,降低配送成本。通过仿真实验结果验证了模型的合理性和两阶段算法的有效性。     

两阶段优化算法求解绿色装箱车辆路径问题

带二维装箱约束的绿色开放式车辆路径问题（green open vehicle routing problem with twodimensional loading constraints, 2L-GOVRP）是绿色开放式车辆路径问题和二维装箱问题的集成。以最小化燃油消耗量为优化目标建立了2L-GOVRP模型,并提出一种两阶段优化算法（two stage optimization algorithm, TSOA）进行求解。TSOA的第一阶段,针对车辆路径问题,设计自适应鲸鱼优化算法（adaptive whale optimization algorithm, AWOA）进行求解,从而确定车辆初步配送路径（即2L-GOVRP的初始解）,并采用4种变邻域局部操作进行局部搜索。TSOA的第二阶段,针对二维装箱问题,设计融入扰动机制的天际线填充算法（skyline filling algorithm combined with disturbance mechanism, SFA-DM）优化装箱过程,从而确保所有货物能够合理装箱。通过对不同客户规模测试数例的仿真实验和算法比较,验证了TSOA可...     

多段式自动泊车最优路径规划与仿真分析

针对狭小平行泊车位的路径规划和泊车轨迹曲率不连续等问题,同时考虑避撞约束,提出了一种最优化多段式泊车路径规划方法.建立了车辆方向盘转速恒定时的车辆后轴中心运动轨迹方程;其次为保证车辆安全停车,建立了避障约束函数;设置泊车路径后轴中心为控制点,以泊车空间最小、最终泊车姿态角最小等泊车指标求取路径最优解.通过Simulin...     

考虑电机振动的电动汽车平顺性时域分析模型

在考虑电机总成振动基础上,建立了11自由度电动汽车平顺性时域分析模型,给出其路面模型及数值求解方法。针对某型电动乘用车,给出了脉冲和随机路面输入下典型动力学响应特点,分析了脉冲输入下不同悬置刚度和阻尼、电机总成质量对电机和整车振动的影响。结果表明：所建立模型不仅可分析整车平顺性,还能用于研究电机振动状态及其对整车平顺性的影响;电机总成参数对整车平顺性的影响较小,对电机振动影响明显,增大悬置刚度和阻尼、减轻电机质量有助于降低电机振动。     

基于电动物流车的充电和换电设施选址模型

本文研究了在充电和换电两种模式下基于电动物流车的充换电设施选址问题.首先,分别建立无充电行为时的路径规划和车辆调度模型以及充电和换电模式下,以用电成本,车辆固定出行成本,机会成本和惩罚成本之和最小化为目标的充换电设施选址模型.然后设计了一种改进的遗传算法求解路径规划和选址模型.最后,对比分析了充电和换电模式下充换电设施的选址决策及配送总成本,并得到结论:充电未造成配送延迟时,充电模式下的配送成本较低;充电导致配送延迟时,提高充电速度或选用换电模式能够使配送成本更低.另外,公用充电站服务费用的高低会显著影响物流企业关于自建充电设施还是使用公用充电站的决策.     

电动汽车参与电网调频优化策略建模与仿真

电动汽车（electric vehicles, EVs）具有分布式储能特性,充分利用EV灵活性可以合理地向电网提供辅助服务,并获取收益。在考虑不确定性因素影响下,以电动汽车聚合商（electric vehicle aggregator, EVA）收益期望最大为目标,构建EVA参与日前能量及调频辅助服务市场投标模型。提出一种基于合约理论的实时能量分配激励策略,在社会福利最大化情况下,实现EVA调频需求量分配。通过算例仿真,对比量化了聚合不同类型EVs的EVAs参与日前能量及调频辅助服务市场的收益情况,以及分析了经过合约激励后的EVs的实时调整情况,验证了所提方法的有效性。     

基于函数γ+δi的加权WGM(1,1)模型及其在技术创新中的应用

针对以前文献加权WGM(1,1)模型人工赋权,由于序列(0)(n)后的权重未知,从而导致无法还原x(0)(n)以后的预测值的问题,本文提出了线性函数γ+δi赋权.本文首先证明了WGM(1,1)模型的基本形式;第二,基于WGM(1,1)模型的基本形式,用最小二乘法估计其参数γ,δ,a,b,构建了线性加权WGM(1,1)模型;第三,为对比分析,又构建了加权改进WIGM(1,1)模型;第四,通过技术创新实例对所构模型进行实证.其结果表明,WGM(1,1)模型能减少序列平均相对百分比误差(MAPE).若经过WGM(1,1)模型拟合后,仍有较大的MAPE值,这时还可以用WIGM(1,1)模型再拟合,以进一步减少MAPE值;最后,从理论与实证上,论述了WGM(1,1)和WIGM(1,1)模型的有效性及最佳使用条件.