第三方物流分包商选择双层规划模型

为了使第三方物流企业在物流业务分包时不仅能降低分包费用,并且能逐渐提高服务质量,提出了双层规划模型描述了第三方物流企业与分包商之间的博弈关系,其中上层规划以第三方物流企业总分包费用最小为目标,下层规划以分包商服务质量最大为目标,引入"综合表现度"概念衡量分包商的服务质量,并基于模糊粗糙集约简出影响分包商服务质量的真实因素,计算出影响因素的权重,由此确定出分包商的综合表现度.设计了处理所有约束和下层规划目标函数的算法规则,并基于遗传算法对分包商选择的双层规划模型求解.最后,利用一个简单的实例进行试验,结果分析和比较表明,当分包商选择是长期的且分阶段多次进行时,该双层规划模型能很好的激励分包商提高服务质量,降低分包价格.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并基于模拟退火算法设计了一种两阶段启发式算法进行求解.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

随机旅行时间车辆路径问题的模型及其算法

随机旅行时间的车辆路径问题在实际中经常会出现，然而由于问题本身的难度以及人们重视不足，目前对该问题的研究还很少．文章在Laporte等的研究基础上，提出了一个考虑车辆容量的机会约束模型，并构造了求解该模型的遗传算法．     

模糊约定时间车辆路径问题及其蚂蚁算法求解

模糊约定时间车辆路径问题是基于模糊预约时间,体现顾客偏好的一种车辆路径问题.建立了该问题的数学模型,针对其多目标性质,对几个目标分别给以权系数进行线性加权.在蚂蚁算法思想基础上,设计了用于求解该问题的改进型算法,并计算了Solomon问题库中的实例.经过大量数据测试,分析了蚂蚁算法中各参数以及各目标权系数的不同取值组合对结果的影响,获得了较好的结果.     

装卸混合车辆路径问题的模拟退火算法研究

提出了更具一般性的装卸混合车辆路径问题，建立了该问题的基于直观描述的数学模型．通过设计一种新的解的表示方法构造了求解该问题的模拟退火算法，并进行了实验计算．计算结果表明，用设计的模拟退火算法求解装卸混合车辆路径问题，不仅可以取得很好的计算结果，而且计算效率较高，收敛速度较快，计算结果也较稳定．通过对双向配送策略与单向配送策略计算结果的比较，说明了采用双向配送策略求解装卸混合车辆路径问题对于配送企业节省配送车辆、减少配送里程，从而降低配送成本、提高经济效益的重要意义．     

车辆路径问题(VRP)的蚂蚁搜索算法

车辆路径问题(vehicle routing problem，VRP)是组合优化中一个典型的NP难题，理论上，目前仅能保证一些相对小规模的问题可求得最优解．基于近些年出现的新型智能优化思想：人工蚂蚁系统，给出了一种可快速求解VRP的蚂蚁搜索算法．通过定义基本的人工蚂蚁状态转移概率，并结合局部搜索策略，用迭代次数控制算法的运行时间，从而使该方法具有实用意义和可操作性．经一系列数据测试和验证，并与若干已有的经典算法相比较．获得了较好的结果．     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。     

时变车辆路径问题的启发式算法

标准的带时间窗车辆路径问题一般假定车辆的行驶速度保持恒定,然而在实际应用中车辆的行驶速度通常是时变的,因此近年来时变车辆路径问题正日益成为该领域的研究热点.本文对时变车辆路径问题的求解策略进行了研究,并设计了一种两阶段启发式算法对问题进行求解,算法的第一阶段提出了一种"最先过期用户优先"的启发式算法求得初始解,第二阶段利用模拟退火算法对初始解进行了改进.实验结果表明该算法可以有效地求解时变车辆路径问题.     

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.     

模糊需求信息条件下的车辆路径问题研究

在对模糊需求信息条件下的车辆路径问题进行简单描述的基础上，通过引入决策者主观偏好的概念，提出了解决该问题的一种基于模糊可能性的混合遗传算法．同时，在最小化车辆使用数与车辆行驶距离的目标下，通过随机模拟方法研究了决策者的主观偏好对最终决策目标的影响作用，并通过与其它计算方法的比较证明了基于模糊可能性的混合遗传算法的优越性．