带服务优先级的煤矿物资配送车辆路径问题

以运输费用最小为目标,在考虑客户服务优先级和车辆装载率等约束条件下,构建了单车场单车型联合运输车辆路径问题模型和单车场多车型单点配送多趟服务车辆路径问题模型,并用改进的扫描算法和改进的遗传算法进行求解,最后,将郑州煤电物资供销有限公司的物资配送作为案例进行研究,从运输费用、运输里程和服务优先级三方面评价改进的扫描算法和改进的遗传算法的求解结果,得到在车辆装载率相同的情况下,两者各有所侧重:改进的遗传算法所求得的最优解在运输费用和配送里程上都优于改进的扫描算法,而改进的扫描算法则最大程度地保证了客户的服务优先级。     

带时间窗军事物资配送问题的NSGA-Ⅱ算法

针对战场军事物资配送中带时间窗的路径优化问题,以运输距离、运输费用和风险性为目标,建立了带有时间窗的多目标网络运输模型,提出了一种改进的多目标遗传算法NSGA-Ⅱ。算法中引入剩余网络的概念,采用数值编码方式,增加了精英保留策略和小生境密度。仿真实验结果表明,本文建立的模型合理,算法在一定程度上克服了求解多目标优化问题过程中易陷入局部最优的现象,提高了战场上求解军事物资配送路径优化问题的效率,并能够使决策者根据仿真实验中的各项参数值自行择优选择运输方案。     

不确定信息下应急设施选址-路径鲁棒优化

为抵御突发灾害对路网造成的破坏性,提高救援效率,考虑路径超期风险和设施点失灵对系统的影响,针对需求点物资需求量不确定和车辆运输时间不确定,构建三级路网,采用车辆和直升机联合运输方式进行多物资运送。基于鲁棒优化思想,建立了以物资送达需求点救援时间之和最小为目标的应急设施选址-路径鲁棒优化模型,采用CPLEX进行求解。最后,设计不同算例进行数据仿真实验,证明了鲁棒优化方法在处理需求量和车辆运输时间不确定以及偏差鲁棒优化方法在处理设施点失灵风险的有效性和鲁棒性,进而为解决应急设施点的选择和救援物资的及时准确配送,增强应急物流系统的风险应对能力提供了有效的方法。     

未定路网结构情况下应急物资车辆配送问题模型与应用

重大自然灾害往往毁损当地交通道路,现有应急物资车辆配送问题的研究,均是只考虑未受损道路构成的路网.实际配送中,将造成车辆因毁损路段而绕行,相对增加配送时延,总体上不能保证取得最佳配送效益.利用物资要素和时延要素之间的转换,同时考虑抢修毁损路段和车辆配送,实施路网结构、车辆路径联合优化,可求得最符合决策者意图的配送效益.建立了问题联合优化模型,提出了基于遗传算法和动态规划的求解方法,并结合算例,验证了问题模型及其求解方法的可行性和合理性.     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

基于GA-TS的开放式车辆路径优化算法及应用

针对带装载能力开放式车辆路径问题,提出了一种基于遗传算法和禁忌搜索(GA-TS)的混合优化算法,将GA的并行计算、全局优化与TS的禁忌技术、快速局部搜索等特性相结合。该算法根据服务点需求及车辆装载能力,采用自然数编码,进行GA全局优化,种群中个体以一定的概率进行TS局部搜索,即对同属一辆车配送的所有服务点进行局部TS路径优化。既保证了优化的全局性,又保证了运算的速度性。应用于郑州煤电物资供销有限公司煤矿物资运输的车辆路径优化中,得到了最经济的运输路径,节约了成本。     

带限制期的震后应急物资配送模糊多目标开放式定位-路径问题

为提高震后应急物资配送绩效,针对应急物资配送中心选址与配送车辆路径安排的集成优化问题,综合考虑应急物资需求的模糊性、限制期和多次往返配送,有限数量不同类型的配送车辆,开放式车辆路径,有容量限制的临时物流设施选址以及震后路网部分受损等特点,以各物资需求点的应急物资运达时间之和以及系统总成本最小为目标,采用机会约束规划方法建立了一个模糊多目标开放式定位-路径问题(LRP)优化模型,并设计了一种结合启发式规则的混合遗传算法。最后,对该模型和算法进行了数值验证,并通过与NSGA-Ⅱ多目标遗传算法的比较,证明该混合遗传算法具有良好的性能,从而为解决震后应急物资配送的模糊多目标LRP提供了有效的方法。     

运力受限的应急物资动态调度模型及算法

针对大规模突发事件下应急物资动态调度问题, 把灾民的损失用物资未满足度的形式进行量化, 构建以最小化灾民损失和车辆调度费用为目标的混合整数规划模型, 以对运力受限情况下的救 援车辆路径选择和应急物资分配进行综合决策. 利用分层求解策略缩小问题的求解空间, 改进 基于客户点的编码方式, 设计了针对此问题的遗传算法. 代入实验数据得出了物资集散地不同 运力下的应急物资动态调度方案, 进而确定了最优运力配置量, 与现实情况下的配送方案比较 表明此模型和算法是有效的.     

考虑供应商聚类的应急医疗物资协同配送仿真

针对突发公共卫生事件应急处置中存在的地方政府医疗物资储备不足、配送效率低下等问题,设计了一种考虑供应商聚类的两阶段应急医疗物资公私协同选址分配模型。在备灾时利用模糊聚类算法实现供应商聚类,并与政府建立合作机制以实现应急医疗物资联合储备;在救援初期依托政府和各类供应商的物资储备及运输能力,构建以最小化物流总成本与需求未满足率加权和为目标的选址分配仿真模型。设计改进的非支配排序遗传算法对此两阶段模型进行求解。以新冠肺炎疫情中武汉市医疗物资调度设计仿真算例,并对比有无供应商聚类对模型的影响。仿真结果表明：该模型在协调政府和供应商的应急医疗物资储备、运输以及调度决策方面具有优势。     

考虑紧迫度的应急物资调度及粒子群算法求解

重大公共卫生事件爆发初期,医疗物资消耗迅速,供给严重不足,为了合理高效地分配医疗物资,开展应急医疗物资配送问题研究。引入熵权法确定需求点的需求紧迫度,优先配送紧迫度高的需求点,在此基础上尽可能地使配送路径最短,实现构建基于物资需求点紧迫度不同前提下的需求可拆分的多目标应急医疗物资调度模型;并使用动态惯性权重和增加粒子扰动项等策略对粒子群算法进行改进用于求解模型。结果表明：该方法可高效解决资源紧缺情况下应急物资调配及车辆路径方案生成问题。     

基于SWEEP方法的改进车辆路径协作策略研究

针对需求随机的车辆路径优化问题,提出了一种基于SWEEP方法的改进车辆路径协作策略,构造了基于该策略的车辆任务量分配模型、设计了求解该模型的启发式算法。该策略采用SWEEP规则对基本车未完成任务的客户重新进行路径优化,然后利用SWEEP车服务这些客户,以缩短客户的服务时间、减少运输成本。应用此方法对24个不同规模的车辆路径优化问题进行了计算机仿真,结果表明,该任务分配模型和算法具有较强的适用性,改进的SWEEP协作策略能够有效地解决解随机车辆路径问题。     

大规模客户车辆调度问题启发式算法研究

为进一步扩大车辆优化调度问题的研究规模,将最佳客户插入原则(PFIH-Push Forward Insertion Heuristic)与遗传算法相结合,解决了以往初始种群中可行解概率低等问题;并实现了以路径首客户编码方式代替传统的全部客户编码,缩短了染色体长度,从而提高了遗传算法优化大规模客户车辆调度问题的效率。将该方法应用于有时间窗车辆调度问题,并采用Solomon数据验证,通过与其它算法结果比较,说明了该方法的可行性与优越性。     

带时间窗的开放式满载车辆路径问题建模及其求解算法

为满足某些企业的满载运输需求, 针对运输任务对车辆具有独占性的特点, 分析得到总运输费用的大小取决于车辆的空车运行费用, 在此基础上, 将带时间窗的开放式满载车辆路径问题转化为带时间窗的多车场开放式车辆路径问题, 建立了相应的数学模型, 并设计了改进的自适应遗传算法进行开环路径求解, 并把算法应用于某木材厂的周运输计划的制定, 算法在很短时间内求得了运输方案, 比木材厂原运输方案减少了车辆数, 并节省了运输费用. 实验证明, 算法是可行和有效的.     

带二维装箱约束的物流配送车辆路径问题

现实物流活动中大量存在的易损、 易碎物品的运输问题属于带二维装箱约束的物流配送问题, 该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题. 针对这一问题, 在对其进行明确定义的基础上, 建立了数学模型, 提出了解决该问题一个Memetic算法, 对算法中的几个关键算子: 深度优先的启发式装箱方法、染色体的编码方式及其路径分割程序、初始解的生成方法、 交叉算子、局部搜索算子, 进行了详细的阐述. 通过初步的实验, 确定了Memetic算法的最佳参数配置; 然后在Iori提出的30个顾客数在20-199个标准算例上对算法的鲁棒性、求解的质量、以及求解性能等几项指标进行了测试, 并与文献中的求解结果进行了比较. 试验结果表明, 该Memetic算法大大提高了现有算法的性能及求解结果的质量.     

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．     

车辆路径问题的遗传算法研究

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达,并对染色体进了可行化影射,建立了此问题的遗传算法．实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案     

求解有硬时间窗车辆路径问题的改进遗传算法

针对军事运输中有硬时间窗的车辆路径问题(vehicle routing problem with hard time windows, VRPHTW),结合混合交叉运算、改进变异运算和精英保留策略,以所有车辆的配送总时间最少为目标,设计了改进遗传算法。借鉴贪婪思想,提高了初始种群的优越性;构造了迭代种群的入口矩阵和出口矩阵,并以此为基础提出改进交叉算子,期间引入前向插入法设计了混合交叉运算,加快了种群的寻优速度;同时提出改进变异算子,增加了种群的多样性。实验结果表明,改进遗传算法较之基本算法有着更快的收敛速度和更优的收敛效果。     

基于剩余装载能力的逆向物流车辆路径问题

对逆向物流及其与环境保护的关系做了简要的介绍，然后提出了与其相关的具有同时取送货的车辆路径问题，即VRPSDP，并对其模型进行了概要的描述，为了弥补现有的基于旅行距离插入准则的不足，通过详细的举例分析，提出了一种运用启发式算法解决VRPSDP的插入准则，实现了车辆剩余装载能力和旅行距离的紧密有效结合，是对基于旅行距离插入准则的一种改进。     

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.