随机动态多车辆装卸混合问题及求解策略研究

将随机动态装卸混合问题的车辆数由单车辆推广至多车辆,针对其中存在的排队现象,运用排队论推导出需求密集情况下期望系统时间的下界,提出了一种求解的堆栈策略,并推导出了堆栈策略期望系统时间的上界,分析了堆栈策略的渐近性.仿真结果表明,堆栈策略是一种适用于需求密集情况下随机动态多车辆装卸混合问题的求解策略.     

水平穿越法在带有不耐烦顾客的呼叫中心中的建模及应用

研究了一种需求服从泊松分布的多座席呼叫中心服务系统的两个问题, 其中考虑了顾客的不耐烦行为. 第一个问题中只有单一排队队列, 顾客进入系统后由于不能立即接受服务或等待时间超过其期望等待时间会选择放弃排队. 第二个问题中有两个排队队列, 主排队队列是顾客呼入队列, 次排队队列是座席提供回拨服务的队列, 且这个队列的顾客来源于由于等待时间超过其期望等待时间放弃排队的主排队队列的顾客. 本文利用水平穿越法得到了稳态时第一个问题的顾客平均等待时间及顾客总的放弃概率及第二个问题中座席繁忙的概率. 该方法不仅具有直观清晰的物理意义, 而且能避免排队系统中冗长的推导过程, 有利于快速简单解决问题. 数值分析表明第一个问题中顾客平均等待时间是座席数的凸函数, 并且顾客的不耐烦程度越高则他们的平均等待时间越短. 同时坐席数的增加在初期能够显著提高接通率, 达到一定数量后效用开始递减. 而且在系统其它参数确定且系统需求流较大情况下, 顾客的放弃率大小对顾客总的放弃概率大小的影响几乎可以忽略.     

基于两阶段算法的大规模成品油二次配送优化

本文以大规模成品油二次配送路径规划为对象,研究了具有成品油物流特征的多车场带时间窗的车辆路径问题的数学模型,提出了新的基于子问题分解的两阶段优化算法.首先采用改进的系统聚类算法将配送需求合并分载,随后设计了改进的遗传算法生成最终的配送路径.针对客户划分问题,提出了‘期望节约里程'指标,用以描述客户的地理空间分布特征,并以此为特征信息设计了启发式的遗传算子,提升了大规模问题优化收敛的速度、质量和稳定性.仿真实验结果验证了模型和算法的可行性和有效性.     

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．     

多车场多车型最快完成车辆路径问题的变异蚁群算法

一般车辆路径问题的目标是总路程或总费用最小, 而在应急管理或特殊配送中要求以最快的速度完成配送任务, 该文研究了以最快完成为目标的多车场多车型车辆路径问题的变异蚁群算法. 首先介绍了多车场多车型最快完成车辆路径问题, 然后分别给出求解多车型和单车型问题的车辆分割的动态规划方法, 并把单车型问题的动态规划方法和改进的Split方法进行对比, 同时利用改进的最大流算法将车辆分配给各车场, 从而把该问题转化为寻找最优顾客排列的问题. 随后给出了求解该问题的变异蚁群算法, 最后给出了计算实例.     

装卸一体化车辆路径问题的遗传算法研究

针对装卸混合的车辆路径问题这一类典型的NP难题,采用四位数的遗传编码,并对解的可行性进行验证,降低对交叉算子和变异算子的要求,有效提高解的质量.最后对二十个客户点的装卸混合的问题作了数值试验,结果表明遗传算法作为一种有效的随机型全局搜索算法,体现出群体智能的分布型、鲁棒性和快速性的特点.     

随机车辆路径问题的多回路优化策略

在制订车辆行驶路径的过程中,需求的随机性增加了决策的复杂性和难度.在顾客需求不可分割,并且准确的需求量信息在车辆到达该顾客点时才能获知的假设下,研究了一种随机顾客和随机需求量的车辆路径问题(VRPSCD).首先提出了多回路策略,并分析了该策略的渐近性;为了找到高质量的预回路,设计了具有不同邻域结构的模拟退火算法.通过实验不仅验证了多回路策略的有效性,而且表明混合邻域结构模拟退火算法的优越性.     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.     

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.     

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.     

同时送取货的随机旅行时间车辆路径问题方法

建立了同时送取货的随机旅行时间车辆路径问题(STT-VRPSPD)的机会约束规划模型,构建了分散搜索算法求解策略.分散搜索算法中,针对STT-VRPSPD问题的复杂特性,构造了解的改进策略、组合策略,并采用改进的节约算法构造分散搜索算法初始解,从而使文中设计的分散搜索算法更加适应STT-VRPSPD问题特有的负载波动性.仿真实验中,首先对分散搜索算法的参数设置进行分析,确定了最优参数组合;然后基于经典的Dethloff算例数据,构造了STT-VRPSPD的测试算例,并对分散搜索算法和遗传算法进行了对比分析,结果表明,分散搜索算法对于STT-VRPSPD的求解质量优于遗传算法.     

基于实时交通信息的城市动态网络车辆路径优化问题

将动态城市交通路网与车辆路径问题相结合, 考虑一类实时交通信息下的城市动态网络车辆路径优化问题. 在问题中考虑常发性交通拥堵和偶发性交通拥堵两种情形. 提出一类将初始路径安排与实时路线调整相结合的求解策略. 初始路径安排通过采用遗传算法求解常发性交通拥堵情形对应的时变网络车辆调度问题得到. 在车辆行驶过程中, 针对偶发性交通拥堵环境下的突发事故情形, 引入一种在关键点更新路线的新机制. 数值算例验证了新实时路线更新机制比目前文献中已有的更新机制更有效, 且随着网络动态性增加其优越性更加明显.     

A Multipath Routing Assignment Model for Multi-Traffic Class Networks

1　IntroductionRoutingisakeytechnologyformoderndatanetworksandtherehavebeentremendousroutingalgorithms[1]～[5].MostoftheroutingalgorithmssuchasOSPFandRIP[5]arebasedontheshortestpathassignmentmodel,inwhicheveryrouterisonlyatransitionnode.Futurerouterisdestinationorientedandshouldhavetheabilitytosplittrafficloadovermulti-pathtoutilizethenetworkinfrastructureinanefficientway.Withthenetworktrafficincreasingmuchfaster,howtorealizeloadbalancinginthenetworkbecomesahotresearchtopic[2].UndertheOSP…     

限行条件下配送车辆配置的二阶段随机规划

针对车辆限行下配送车辆数量和配送时间均具有不确定性这一难题，通过建立二阶段随机规划模型，实现物流配送车队中传统能源和新能源车辆比例和数量的合理配置，以保障后续生产配送的协同进行.以最小化日均车辆采购成本和后续生产配送期望成本为目标建立二阶段随机整数规划模型；为求解模型，提出改进的随机分支定界算法，并嵌入局部搜索以提高上界的估计效率；通过数据实验验证了模型和算法的有效性.此外，利用该模型和算法，探讨了不同车辆限行措施的执行类型和执行概率对企业车辆配置决策的影响.本文研究有利于解决车辆限行导致的城市物流配送难题，为保障我国城市物流相关企业日常运营提供决策方法.     

求解异车型同时集送问题的多属性标签算法

针对实际运输中顾客对不同车型、同时集送货物的多样化需求,文章建立了异车型同时集送车辆路径模型(vehicle routing problem with heterogeneous fleet,simultaneouspickup and delivery,VRPHSPD),并构建了基于多属性标签的蚁群系统算法(multi-label based ant colony system,MLACS)进行求解.该算法利用面向对象理念,分别对客户、车辆及其行驶路径构建多属性标签,首先用近邻法生成初始路径,再通过蚁群算法的搜索规则对客户和车辆标签进行匹配,从而得优化的结果.通过公开算例、实际应用案例的验证表明,MLACS算法能成功求解VRPHSPD问题,具有较高的求解质量、运算效率以及实际应用意义.     

基于增强学习解决随机需求车辆路径问题

针对确定随机需求车辆路径问题的最优策略,存在状态空间"维数灾"问题,基于增强学习函数近似原理,首先,设计了一个径向基函数(RBF),其次,在一给定的控制策略下,将最小平方瞬时差分(LSTD)法确定函数的权系数与交叉熵(CE)法确定隐层节点基函数的参数相结合,通过在线调整,使Bellman残差平方和性能指标达到最小,最后,根据得到的径向基函数,确定最优策略。通过仿真试验,验证了所设计方法的有效性。     

PSO_ACS混合算法求解VRPSPD问题及仿真

构造PSO_ACS混合算法求解同时送取货的车辆路径问题(VRPSPD),通过将ACS算法中的信息启发式因子和期望值启发式因子用解空间中的粒子位置动态表示,将PSO算法和ACS算法有机结合起来;利用PSO算法自适应改进ACS中的启发因子,从而提高蚁群算法的适应性。并用动态改变惯性权重的参数的方法加快PSO收敛速度。最终采用Dethloff的典型算例进行仿真实验,验证了混合算法的可行性和有效性,在求解最优解和收敛性能方面具有一定的优势。     

一种带时间窗口和在前约束的车辆路线问题及其算法

提出一种带时间窗口和在前约束的车辆路线问题 ( V RPTWPC) ,并构造了求解该问题的一种基于列生成的算法 .快递收发路线编排是此类问题的一个典型例子 .