带时间窗的多式联运作业整合优化算法

快速、低成本的货物运输已成为现代物流的发展趋势,多式联运及多作业整合是物流企业减少运输时间和成本的有效方法.为此,首先建立了基于图状结构的带时间窗的多式联运及多代理人作业整合优化模型;然后提出了代理商选择和路径及运输方式协同优化的两层优化算法:第一层采用转移、交换和环形移动三种移动策略实现作业的分配,第二层采用基于正交试验的混合田口遗传算法实现路径及运输方式的组合优化;最后用具有不同时间约束的算例来考察模型和优化算法的有效性.结果表明,受时间约束的影响,作业整合只能在部分作业之间进行,并且随着时间窗约束的增强,物流运输总费用将增加,与实际情况基本相符,说明了模型及优化算法的可行性和有效性.     

第四方物流作业分包的合同设计

第四方物流运营商如何设计与其多个分包商的合同,是其关键问题之一.应用多任务委托代理方法,考虑分包商完成的一般物流指标、协作行为、信息共享指标等情况,建立第四方物流运营商和其多个分包商的一对多的多任务委托代理模型,用委托代理理论求解该模型,得出各分包商固定支付和各指标的激励系数的计算公式等结果,对结果分析后得出若干有意义的结论.     

基于TOPSIS法的第四方物流作业多属性优化指派模型

针对第四方物流作业多属性指派决策问题,推广TOPSIS法的思想,引入待定解、正理想解、负理想解等参数,给出了待定解、正理想解、负理想解等参数的表达式,建立了基于TOPSIS法的不考虑整合和考虑整合的第四方物流多属性指派决策模型.并设计了相应的遗传算法用以对模型求解,通过对20个算例进行求解分析,表明该方法有一定优势.     

多周期的第四方物流弹复性正逆向集成网络设计模型与算法

在第四方物流的服务模式下,为了使产品的配送与回收能够在动态环境下安全、有效的运作,研究多周期的第四方物流弹复性正逆向集成网络设计问题.构建了在满足弹复性约束条件下,使总成本最小化的网络设计优化模型,在考虑多个运营周期条件下同时优化正向和逆向网络.鉴于该问题的NP-hard特性,设计了一种改进的蚁群算法.最后,通过数据随机产生的算例来测试模型的合理性以及算法的有效性,并且改进的蚁群算法的性能优于标准的蚁群算法.     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

带有费用折扣的第四方物流路径问题的研究

从第四方物流供应商角度,在考虑第三方物流供应商和转运节点综合能力以及多任务费用折扣基础上,建立了单点到多点第四方物流路径问题的模糊规划模型.在模型求解上,根据问题在选择路径的同时还需选择第三方物流供应商的特点,设计了双列变长编码机制的文化遗传算法.算例分析表明,与遗传算法和嵌入K-短路的遗传算法比较,计算效率和求解质量上均具有较大的提高.     

考虑拖期风险的第四方物流合同设计

第四方物流(4PL)为第三方物流(3PL)和客户提供物流交易平台已经成为目前一种主流的物流运作模式.然而普遍存在的3PL配送拖期现象降低了4PL的时效性.因此,如何有效控制4PL的拖期风险已经成为物流管理中一个亟待解决的科学问题.为了同时反映拖期风险以及对应的拖期概率,采用要求违反(requirement violation)作为拖期风险度量指标,进而基于委托代理理论提出4PL合同设计机制.仿真结果表明所设计的合同机制能够激励3PL付出更多努力,在4PL和3PL都取到保留效用的条件下使4PL的拖期风险和拖期发生的最大概率同时最小.     

基于农产品供应链金融的物流作业承接双边讨价还价博弈

农产品供应链金融是物流与金融合作的创新产物，对破解农产品供应链中农户、合作社、生产加工企业等融资困局具有重要意义，而农产品易变质、难运输、难储存等属性决定其开展质押融资更需要高水平物流服务商的参与。基于此，在模型中引入具有资源整合和方案优化能力的第四方物流（4PL），并针对业务中物流作业承接价格的确定问题，运用鲁宾斯轮流讨价还价博弈思想，构建了信息不对称情况下农产品供应链金融中第四方物流分别与银行和第三方物流（3PL）双边讨价还价博弈模型，并根据博弈顺序，分别对第四方物流先与第三方物流再与银行以及先与银行再与第三方物流讨价还价两种情况进行讨论。研究发现，相较一般存货，质押物为农产品时，第四方物流给出的报价较高，第四方物流的报价与其自身讨价还价能力无关，银行和第三方物流的报价与其完成物流作业的成本有关及第四方物流先与银行博弈时的报价会高于先与第三方物流博弈时的报价等结论。     

求解JLSP问题的遗传禁忌混合优化算法

针对批量与排序的集成问题设计一种遗传算法和禁忌搜索相结合的混合算法,用遗传算法作为主框架优化批量,排序部分由禁忌搜索单独优化,并将排序最优解反馈到遗传算法的主框架中生成集成计划继续寻优。遗传算法的选择算子和变异算子分别采用不同的自适应机制,以提高算法的搜索能力和收敛速度。对3种不同规模算例进行测试,其结果与其他算法比较,验证了所提算法的有效性。     

考虑中转发车时间4PLRP的模糊规划模型与算法

针对运输过程转运需等待发车时间的实际问题,提供了一种解决方案.此方案目的是在指定交货期的前提下,选择满足客户要求的转运节点和供应商.为此,从第四方物流供应商角度,建立了以运输成本最小为目的,带有模糊处理时间且考虑中转发车时间的单点到多点多任务第四方物流路径问题(4PLRP)的模糊规划模型.在模型的求解上,首先将问题转化为清晰的等价模型,然后针对清晰化的模型设计了蚁群优化算法进行求解.实验分析表明提出的模型更加真实地模拟了转运需等待发车时间的运输情景,并且验证了该算法对解决此类问题的有效性.     

带时间要求的物流作业集成优化分配方法

作业集成机制是物流中心降低运行成本的核心手段，论文基于活动集成和批量集成的概念，吸收置信区间的思想，建立带时间要求的物流中心作业集成优化分配模型，研究了模型变形、分解和利于作业集成的选择变量置换的试探途径，提出了获得模型初始可行解和优化分配方案的启发式方法，提出了模型分枝定界过程的若干性质和减枝规则，形成了适于模型的分枝定界法，数值计算结果证明了算法的有效性。     

求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法

为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

近空间多武器平台对地攻击多阶段模型及算法

针对近空间多武器平台对地攻击问题,综合考虑了作战资源、目标毁伤、己方损耗、飞行最短路径等四项关键战技指标,建立了多阶段优化控制模型,给出了相关的推理过程。为避免动态规划及序列规划的计算复杂性,通过设计合适的表达方法,使粒子与可行解对应,给出了改进的粒子群优化算法及算法详细步骤,并分析了改进的粒子群算法快速全局优化的特点,说明该算法能找到优化问题的全局最优解。最后对多阶段优化问题分别用改进的粒子群算法进行求解,仿真结果验证了模型的合理性和算法的有效性。     

云环境下能耗优化的任务调度模型及虚拟机部署算法

云计算环境下,在满足用户服务级目标约束下,如何有效地进行资源分配调度,降低能耗,已成为不容忽略的关键问题.针对目前云计算系统服务资源分配调度问题在能耗方面的研究不足,提出一种能耗优化的资源分配调度体系架构,并基于此架构设计了一个满足实时用户SLA的能耗优化模型.该优化模型从系统级和部件级两个层次进行能耗优化.在系统级上,提出一种基于分组遗传算法最大限度降低系统空闲能耗的虚拟机部署算法,该算法将虚拟机和服务器之间的映射抽象为有约束的多维可变装箱问题;同时,在部件级上采用动态电压功率调整技术降低执行能耗,从而达到在满足用户需求的前提下,最大限度降低系统总能耗.仿真实验结果表明,该算法与同类算法相比,在相同条件下可有效降低云计算系统的能耗开销.     

废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

改进SCEM-UA算法在概念性降雨-径流模型参数优选中的应用

在系统研究SCEM-UA算法基础上, 借鉴自适应Metropolis算法的思想, 对SCEM-UA算法中推荐分布的协方差策略和 接受率策略进行了改进, 改进后的算法能有效确保样本多样性的丰富和保持, 增强算法全局搜索能力, 避免'早熟收敛'. 以岷江流域降雨-径流模型参数优选研究为例, 分析了改进算法在推求参数后验分布的搜索性 能和效率, 计算结果表明, 改进SCEM-UA算法的参数推荐分布和接受率随着计算过程自动更新, 整体计算效率和 解的精度要明显优于传统的SCEM-UA算法.