遗传算法的改进算法在物流配送当中的应用

研究在城市区域内配送车辆的优化调度问题,建立优化物流配送的数学模型,然后构造求解该问题的改进遗传算法.实验表明,该算法性能高,能够有效的求解城市物流配送问题.     

考虑节能的城市物流配送方案优化

针对城市物流配送环节,提出了一种能够节约车辆能耗的物流配送方案优化方法.首先,在考虑载重和车速对车辆能耗因子的影响及时间窗开启前的等待时间约束等条件的基础上,提出了以能耗最小为目标的物流配送路径选择数学模型,并采用蚁群算法求解该问题,实现物流配送方案的一次节能优化;然后,基于一次优化结果,通过调整配送车辆从配送中心及各配送点出发的时刻,实现物流配送方案的二次节能优化;最后,基于北京市道路网的仿真试验显示,相对于以最短时间为目标的优化方法,本文提出的节能优化方法可使城市物流配送过程中的能源消耗平均降低约6.68％.     

基于GIS的城市物流配送系统规划方法

根据地理信息系统（GIS）的特点，将GIS所提供的空间分析能力以及数字图形环境等功能与城市物流配送系统规划有机结合，提出了基于GIS的城市物流配送系统总体结构，并据此改进了传统的城市物流配送系统规划步骤。对于在配送中心数目优化中规模大小难以确定这一难题，提出了基于克理斯塔勒（Christaller W）六边形法则划分区域的方法，结合配送车辆经济配送半径，有效解决了配送中心数目的确定问题。同时建立了配送中心空间布局优化模型，并提出采用交替选址划分法对模型进行了有效求解，为完善城市物流配送系统的规划提供了新的途径。     

基于混合量子遗传算法的外贸企业物流配送车辆优化调度

为了提高外贸企业物流配送车辆调度能力,提出基于混合量子遗传算法的外贸企业物流配送车辆优化调度算法。构建外贸企业物流配送车辆路径规划的地图网格模型,采用混合量子遗传算法进行外贸企业物流配送车辆调度的信息模拟,构建外贸企业物流配送车辆的移动规则模型,进行外贸企业物流配送车辆调度的路径规划。结合信息素导引方法进行外贸企业物流配送车辆优化调度的自适应控制,构建外贸企业物流配送车辆优化调度的混合量子遗传进化寻优模型,根据混合量子遗传路径约束寻优方法构建外贸企业物流配送车辆优化调度的人工智能算法,实现外贸企业物流配送车辆优化调度和人工智能控制。仿真结果表明,采用该方法进行外贸企业物流配送车辆调度的寻优能力较好,路径规划能力较强,提高了车辆调度效能。     

制约我国电子商务发展的物流配送问题及对策

我国电子商务的发展中 ,物流配送方面存在的主要问题是物流配送的成本高、效率低 ,标准化、信息化程度低 ,无规模优势 ,物流配送人才短缺 ,物流配送体系的发展严重滞后。为此我国应加强物流基础设施的建设 ,作好总体物流规划 ;完善物流的法律、法规和标准 ,规范行业发展秩序 ;重视物流管理的教育和研究 ,培养物流专业人才 ;建立物流配送中心的信息管理系统 ;建立大型物流中心 ,形成规模优势。     

城市物流共同配送优化方案研究

现代物流发展过程中,随着城市交通状况的恶化、生态环境的破坏,城市物流的"外部不经济"逐渐引起人们的重视.在当前的金融危机环境下,如何优化城市物流配送方式,协调城市物流活动与城市发展日益受到社会关注.通过借鉴城市物流优化流程,应用定性以及定量的方法,提出基于共同配送的城市物流配送方案.方案通过城市物流配送中心数量确定方法、选址模型以及配送路径的优化问题,并结合泉州市某知名运动鞋店进行了实证分析,说明了城市物流共同配送方案的优势,为实现城市物流配送优化提供参考.     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上,构造了一种免疫克隆算法来求解该问题,并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明,免疫克隆算法能快速收敛于全局最优解,克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点,可有效地解决物流配送车辆路径优化问题．     

物流配送车辆调度问题方法综述

物流配送车辆优化调度问题(Vehicle Routing Problem,简称VRP)是一个研究热点,许多学者采用了各种优化方法来解实际问题。本文综述了物流配送车辆调度问题的各种优化方法,对其优缺点、适用性等都作了说明,并对它们作以比较分析,从而找到最适合现实问题的优化方法。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较.结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化.     

蚁群聚类算法在物流网络优化中的应用

为了解决物流配送中的路径优化问题,运用改进的蚁群算法来建立配送车辆路径的数学模型,通过减少蚁群的选路次数、更新信息素等策略,提高了算法的收敛速度和全局搜索能力。经过实验分析和计算,证明了应用蚁群算法可以优化物流配送线路,可以有效地解决多回路运输问题。该成果对物流企业控制成本、增强市场竞争力有一定参考价值。     

基于地铁的城市物流配送路径优化

为了应对日益增长的快递需求,缓解货运车辆加重的城市交通拥堵,提高城市配送效率,本文提出了整合地铁资源进行城市物流配送的构想。本文将从企业和用户的角度出发,考虑地铁与末端地面配送车辆的容量限制,以运输成本、车辆成本和时间成本最小为目标函数建立多目标优化模型,优化地铁列车班次的客户分配和末端地面车辆的路径选择,更加符合实际。然后采用遗传算法对模型进行求解。最后以南京市地铁2、4号线为例,验证了模型和算法的实用性及有效性。结果表明,基于地铁的城市物流配送的总成本远低于单独货车配送,具有较强的应用价值。     

城市物流配送模型及优化调度研究

通过对城市物流配送特点的研究，分析了在电子商务环境下城市物流配送的现状和存在的问题，提出了在地理信息系统环境下的城市物流配送优化调度模型，结合电子商务城市物流配送中心系统构建提出了解决城市物流配送的优化调度方案。     

不确定信息的物流配送实时车辆优化调度策略

通过分析物流配送不确定因素,运用GPS／GIS／GSM信息技术和构造性算法,把物流配送问题分成静态问题和动态问题来考虑。在已经得到静态调度解的基础上,分析实际可能发生的需求、交通和车辆变化等不确定因素,运用最近插入法、Dijstra算法,提出了解决物流配送过程中不确定性信息的车辆优化调度策略。     

基于鲨鱼优化算法的农产品物流配送路径优化

为提高农产品物流配送系统的效率和效益,根据农产品物流配送特点,建立了物流配送系统数学模型,并基于改进的鲨鱼优化算法对配送路径进行优化.为避免传统鲨鱼优化算法易陷入局部最优的缺陷,提出一种基于正弦运动机制和高斯变异策略的改进鲨鱼优化算法.试验结果表明,改进算法能较好地解决农产品物流配送车辆路径的优化问题,有效降低物流配送的成本.     

基于GIS的物流配送车辆调度实现与应用

本文指出物流配送车辆路径(VRP)两类模型的局限,分析在电子商务下物流配送车辆路径充分利用GIS的优势,以克服VRP数学模型求解结果的抽象性,让车辆路径优化调度简单易用,有助于物流配送企业降低物流运输成本。     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

一种新的基于供应商管理库存的成品油物流配送模型

基于供应商管理库存(VMI)理论,提出了一种新的VMI模式下成品油物流配送模型.模型包括安全库存的动态管理模型、需求预测模型、基于路网的车辆配装模型和车辆路径问题(VRP)模型.给出了基于VMI的库存补给和安全库存动态管理的一体化解决方案,并将组合预测方法应用于成品油配送预测.应用结果表明,对于较大规模配送中心的配送活动,新模型优化结果良好.     

基于电子地图的非对称矩阵车辆路径问题研究

在建立路径问题二指数流量模型的基础之上,结合非对称性矩阵的变化进行灵敏度分析,并运用两种算法得到求解结果。多个实例的比较分析表明,非对称性问题与对称性问题是两个不同的问题,系数矩阵的差异最终带来目标函数值和基解的差异。城市物流配送实际案例检验表明,运用电子地图路线所得的非对称性距离矩阵,能有效缩短车辆路径总里程;相对于对称性矩阵车辆路径,非对称性距离矩阵车辆路径更符合当前物流的需求和实际情况,更具合理性。因此,城市物流配送应综合考虑各节点需求量和车辆选型,以平衡物流成本与服务要求。     

多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。