基于碳排放的开放选址-路径问题及算法

基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.     

村镇农产品多类型预冷设施选址-路径优化模型及算法

针对我国村镇农产品无法预冷或预冷效果不佳的问题,本文结合我国村镇农产品生产及预冷特点,提出综合应用固定设施和移动设施两种预冷模式的协调预冷机制,构建了以预冷模式、固定预冷设施容量与选址、相关车辆的车型与数量及路径等因素为变量,以系统成本最低为目标的多类型预冷设施选址-路径优化模型.根据模型的特点,设计了改进遗传算法,该算法设计了能表达所有决策信息的染色体,并制定与之相应的初始化、交叉和变异规则,从而实现了选址和路径的集成优化.最后,通过算例验证了模型和算法的有效性,并分析了生产结构、农户分布等因素对多类型预冷服务网络布局设计及其车辆路径规划的影响.本文研究成果对于我国村镇多类型预冷服务网络布局优化具有重要的理论意义和实用价值.     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

模拟植物生长算法在设施选址问题中的应用

以模拟植物生长算法为工具,提出了一种解决设施选址问题的智能优化算法, 结合配送中心选址的实际案例,将模拟植物生长算法与遗传算法的计算结果进行比较,结果表明该算法比遗传算法在精度上有所提高;在此基础上,以50个随机选取的用户为背景,解决了韦伯型多设施选址问题, 不同于其它启发式算法,模拟植物生长算法在得到全局最优解的同时,还可以根据设施数量的不同,将全局最优解与局部最优解进行组合,可以建立整体最优的设施布局, 本算法在应用中显示了精确性、稳定性和通用性特点,是模拟植物生长算法在解决选址问题上的具体应用。     

不确定条件下的应急物资配送选址-路径问题北大核心CSSCI

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

考虑异质物资合车运输的灾后救援选址-路径-配给优化

研究灾后应急救援中的双层选址-路径-配给问题.针对灾害发生之后第一时间内各类型救援物资供给受限的情况,以救援及时性、综合满意度和物资供给公平性为优化目标,建立多工厂节点、多品种物资的考虑异质物资合车运输的多目标双层选址-路径-配给优化模型.采用融合差分进化和约束优化的方法,将多目标优化问题分解为三个单目标子迭代过程和一个多目标迭代过程,同时优化车辆行驶路线和需求节点物资分配方案.实验表明,采用合车运输的策略能够有效减少派出车辆的数量和车辆行驶时间.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

基于多目标演化算法的油田危险品物流系统选址-路径问题北大核心CSCDCSSCI

危险品事故往往会产生灾难性的后果,研究油田危险品物流系统的管理方法和模型具有十分重要的意义。从选址-路径问题(LRP)集成化的角度研究鄂南油田危险品物流系统。提出了适合于鄂南油田的危险品运输的双层配送网络,并以道路危险度等级为约束,构建了一个总成本最小、风险最低、可靠性最强的油田危险品物资运输的多目标LRP模型;进而,通过多目标演化算法(MOEA)得到了Pareto最优解集合,并采用随机多属性可接受度分析方法(SMAA)对Pareto最优解集进行再次筛选,求得最优选址方案和最优配送路线;最后,以进化率、非劣解分布离散度和解空间分布多样性等指标衡量了MOEA的性能,结果验证了算法参数设置的合理性和非劣解集的有效性。本文提出的LRP模型和MOEA-SMAA求解方法对于进一步补充和完善危险品物流系统的选址-路径问题研究具有一定的理论意义,对油田、煤矿等行业的物流系统优化具有重要的现实意义。     

求解无容量设施选址问题的拉格朗日狼群算法及其应用

无容量设施选址问题(UFL)是应用于诸多领域的经典组合优化难题。首先,结合UFL问题的具体特征,重新定义了狼群算法中狼群协作捕食的智能行为,提出了求解该问题的狼群优化算法;其次,将狼群算法与拉格朗日松弛相结合,设计了一种求解UFL问题的拉格朗日狼群算法;最后,将本文提出的狼群智能优化算法及拉格朗日狼群算法用于UFL基准问题库中部分算例的求解,并将其求解结果与混合蚁群算法、半拉格朗日松弛方法以及优化软件CPLEX的求解结果进行比较。结果表明：拉格朗日狼群算法较狼群优化算法、混合蚁群算法及半拉格朗日松弛方法具有更好的求解效果,而且在一定程度上缓解了CPLEX求解时间长,消耗内存大的缺点,拥有良好的求解性能。     

基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比

针对传统两阶段开放式选址-路径问题（2E-OLRP），考虑速度和负载对能量消耗和CO₂排放的影响，基于燃油车和电动车的行驶与排放特性，分别建立了燃油车和电动车的两阶段开放式选址路径问题模型，并提出一种改进的模拟退火算法对两种模型进行求解.为验证本文模型与算法的有效性和实用性，进行了3种对比分析：两种模型与传统2E-OLRP模型的对比；两种模型的算法求解结果与精确解的对比；两种模型经济成本与排放成本的对比.结果表明：两种模型与传统2E-OLRP模型相比，均具有明显优势；所提出的算法能快速有效的求解此类模型；就运输活动而言，与燃油车相比，电动车能节约3.44%的总成本、减少74.03%的CO₂排放量.以上研究结果可为物流企业在运输配送中的节能减排提供决策支持.     

基于冲突合作关系的生鲜选址-路径多主体优化模型与算法

针对城市生鲜农产品配送成本高，产品损耗大等特点，考虑生鲜销售商和外包冷链配送公司共同参与又独立决策的实际运营情况，建立了基于冲突合作关系的生鲜配送选址-路径多主体优化模型.模型中，考虑客户模糊时间窗，主导层生鲜销售商以系统总成本最低为目标，而从属层冷链配送公司仅考虑运输相关成本最小化.设计了GAPSO混合算法求解该问题，结合精英选择策略和自适应权重粒子更新策略，采用田口分析法获取参数合理取值.与CPLEX求取小规模算例精确解对比，GAPSO算法在保持准确性的同时，求解时间降低了96.17%；对基于Barreto和Prins经典LRP基准案例集的中大规模算例，与HybridGA算法和已知最优解BKR对比分析，结果表明GAPSO对于中小规模问题，能很好的收敛于全局最优解，对于大规模问题能求得近似最优解，能为实际生鲜选址和配送问题提供有效决策支持.     

双目标进化算法求解图着色问题

根据图着色问题的特征,提出了求解图着色问题的双目标模型;设计的有效、简洁的杂交算子和变异算子,均直接产生可行的后代个体;理论分析表明算法以概率1收敛到问题的最优解集.对标准算例进行了仿真实验,结果表明,双目标进化算法可以获得问题高质量的解,即对图进行着色所使用的颜色接近图的色数.     

基于陆海协同的海上战略投送选址-路径优化

陆海协同海上战略投送过程中需解决选址-路径优化问题,本文分析了在突发事件背景下陆海协同运输体系的运作机理和特点,构建了以下水港选址、运输船舶航次、航线配置以及天气条件等不确定性因素为变量、以投送时间最短为目标的选址-路径优化模型.根据模型的特点与不同算法的优势,提出了一种以遗传算法为外层框架构成优化循环,其中镶嵌基于仿真的改进模拟植物生长算法形成内部模块,求解出染色体对应的目标函数,再通过信息传递完成内外交互运算的集成算法.最后,以我国对南海海上战略投送为例进行了选址-路径优化设计,取得了较好结果,从而证明了文章所建模型与算法的合理性和有效性.     

基于文化知识的量子进化算法

量子进化算法在实数优化时存在局部寻优能力不佳、收敛速度较慢等缺陷.为克服这些缺陷,本文引入文化算法思想提出一种基于文化知识的量子进化算法,该算法具有量子进化层和知识进化层双层进化框架,引入的文化算法能较好地协调全局与局部寻优,并避免算法陷入局部极值.由于新的算法框架及量子观测方式的引入,提出的算法不但保留了量子编码的优点,而且有效解决了求解实数优化问题时存在的缺陷.实验表明,提出的算法不但比量子进化类型算法性能有较大提升,而且与其它相关的几种算法相比具有更好的求解精度和速度.     

基于量子进化算法的空区激光探测点布局设计

针对地下空区边界不规则并且可能包含多个遗留矿柱,如何布局合适的探测点以便三维激光探头能扫描空区内部全貌的工程难题,提出了在基于空区初步资料获得的水平特征截面图上预先布置待选探测点,设计探测点布局方案评价函数,采用量子进化算法进行探测点布局优化的方案.优化设计中,考虑了采空区边界的凸凹不规则性及内部包含多个边界不规则遗留矿柱,以及激光探测范围等因素,建立了通用优化模型,寻求探测点最少的技术及经济上的最优布局方案.实例运算及统计分析结果表明,和遗传算法相比,本文提出的量子进化算法优化模型可快速得出优化的探测点布局方案,保证三维激光探测法成功实施,为复杂空区三维激光探测提供科学决策依据.     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

震害紧急响应阶段应急物流系统中的LRP

针对震后紧急响应阶段的应急物流系统优化问题, 建立了一个两级设施定位-运输路线安排问题模型(LRP), 据此进行应急设施定位-分配和救援物资运输路线安排决策. 根据该模型的特点, 提出一种基于两阶段分解思想的“三角”启发式算法, 对算法的复杂性进行了分析, 并与改进遗传算法进行了对比研究. 算例分析结果表明, 该模型和算法可以解决震后应急物流系统中的 LRP, 所设计的“三角”启发式算法性能优越, 具有较高的运算效率.     

Quantum-inspired ant algorithm for knapsack problems

The knapsack problem is a well-known combinatorial optimization problem which has been proved to be NP-hard. This paper proposes a new algorithm called quantum-inspired ant algorithm (QAA) to solve the knapsack problem. QAA takes the advantage of the principles in quantum computing, such as qubit, quantum gate, and quantum superposition of states, to get more probabilistic-based status with small colonies. By updating the pheromone in the ant algorithm and rotating the quantum gate, the algorithm can finally reach the optimal solution. The detailed steps to use QAA are presented, and by solving series of test cases of classical knapsack problems, the effectiveness and generality of the new algorithm are validated.     

应用改进微粒群算法求解Job-shop调度问题

针对微粒群算法在求解实际问题过程中会出现早熟的现象,提出一种改进的微粒群算法。该算法利用记忆库来动态调整惯性权重值,增快了算法的收敛速度。同时结合进化、灾变机制避免了算法陷入局部极值的问题。在列出改进算法的具体步骤基础上,通过实际的车间调度仿真实例证明了算法的有效性,可以得到比启发式、遗传算法更佳的调度效果。