考虑客户拖期心理成本的4PL路径问题的模型与算法

针对不确定环境下客户有限理性行为带来物流运输方案可行性较差的问题,结合行为科学中对人的行为感知以及运筹学中定量的研究方法,研究考虑客户拖期心理成本的第四方物流(4PL)路径优化问题。基于前景理论,建立以客户期望时间、第三方物流(3PL)供应商运输能力和信誉为约束,最大化运输成本总效用为目标的优化模型,并采用改进蚁群算法进行求解。实例分析表明,模型的合理性和算法的有效性。     

基于比例效用理论的第四方物流路径问题研究

不确定环境下的第四方物流路径优化问题,考虑到人们在不同情况下会有不同的行为特征,基于比例效用理论以及前景理论的价值函数,同时考虑运输任务的运输时间和运输成本,建立了第四方物流路径优化模型。分别采用枚举算法、蚁群系统和改进的蚁群算法对模型进行求解。通过算例,分析验证模型和算法的有效性。     

带时间窗集送货需求可分车辆路径问题的改进蚁群算法

围绕提高物流效率、降低运输成本,对集送货需求可分车辆路径问题进行了研究。首先考虑集送货需求可分和时间窗的约束,设计了带时间窗集送货需求可分的车辆路径模型,然后结合模型特点提出了一种改进的蚁群算法,并通过算例分析与已有文献算法结果进行比较。研究结果表明,改进的蚁群算法能够有效地求解集送货需求可分的车辆路径问题。     

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.     

带有遗憾值约束的4PL网络设计鲁棒优化模型与仿真

第四方物流(4PL)网络运作过程中常因外部环境的干扰而发生中断,使网络安全受到威胁。考虑中断状态下4PL网络鲁棒优化设计问题,目标是构建在任意中断状态发生时仍能以较低的成本为客户提供满意服务的4PL网络。基于β-鲁棒解的定义,建立了带有遗憾值约束的4PL网络设计鲁棒优化模型。针对问题的NP-hard特性,利用磷虾群算法(KHA)对模型进行求解,并与人工鱼群算法(AFSA)进行了比较,通过仿真实例对算法的可行性和有效性进行了验证。仿真结果表明,KHA的性能优于经典的AFSA。通过对不同遗憾值β约束下4PL网络设计最佳方案的比较分析,验证了利用鲁棒优化模型设计4PL网络能够较好地规避风险,并达到最大限度节约成本的目的。     

带装卸顺序约束的装载配送联合优化算法研究

互斥产品(如液体、危险化学品等)不能混装到同一个容器中,物流企业通常使用多隔舱运输车为顾客配送多种互斥产品,合理确定装载与配送路径是提高配送效率、降低配送成本的重要手段.本文考虑互斥产品的装卸顺序约束、在途运输时间约束等,构建了以配送成本最小化为目标的互斥产品装载配送联合优化模型,设计了求解模型的改进遗传算法,算法采用蜂王进化和基于概率的边重构交叉运算,有效提高了寻优能力.本文利用Augerat提供的车辆路径问题标准测试集构造算例测试算法的运行时间和求解效果.结果显示,改进遗传算法的求解效果明显优于经典遗传算法.对于小规模算例,改进的遗传算法可以得到精确最优解,对于中等规模和不超过101个顾客点的大规模算例,改进的遗传算法可以在130秒内得到近似最优解.本文的创新点在于构建了一类新的车辆路径扩展问题的数学模型并设计了求解模型的快速有效算法,为物流企业制定多类型互斥产品配送计划提供了理论依据和算法支持.     

第四方物流多目标路径集成优化

路径问题是第四方物流优化中的关键问题。针对第四方物流实践中需求的特点,基于路径选择和供应商选择的综合优化,提出第四方物流多目标路径集成优化问题,并建立以费用最小和时间最短为双目标的数学模型。进而,设计实现基本蚁群算法和动态调整选择策略的改进蚁群算法的求解方法。实验分析表明,在不同的目标偏好情形下,改进算法均能取得较好效果。研究为第四方物流路径集成优化提供了有效的工具。     

多路径选择变速双目标物流配送路径规划

为研究任意两点之间存在多条通路的带时间窗和能力约束的变速车辆路径问题,使总配送成本最小的同时最大化客户总体满意度.刻画车辆行驶速度时同时考虑了通行时段和路况因素,建立双目标的混合整数规划模型,并采用改进蚁群算法求解.仿真结果表明所提模型和改进算法有效,对于复杂路况下车辆配送路径规划问题有一定的参考价值.     

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.     

两阶段启发式算法求解带时间窗的多中心车辆路径问题

车辆路径问题(VRP)是物流研究领域中一个具有重要理论价值和现实意义的问题. 带时间窗的多中心车辆路径优化问题(MDVRPTW)是单中心带时间窗的VRP(VRPTW)的一个扩展, 其非常复杂, 难于求解. 本文提出一个两阶段的启发式算法来求解MDVRPTW. 该算法首先通过基于聚集度的启发式分类算法将MDVRPTW简化为多个VRPTW; 然后采用蚁群算法对每个VRPTW进行求解. 为了提高蚁群算法的效率, 提出了两个改进策略: 交叉算子和自适应的ant-weight信息素增量更新策略. 最后, 通过若干经典的MDVRPTW对该算法进行了验证, 结果显示结合基于聚集度的启发式分类算法和改进的蚁群算法是一个求解MDVRPTW的有力工具.     

考虑节点等待的时变第四方物流路径问题

第四方物流(4PL)是现代物流的重要研究方向。但大多研究忽略了不同时段上车辆流量不同而导致的行驶速度时变性。考虑到时变网络中在节点等待可能避免运输高峰的实际问题,基于中转节点允许等待的假设,本文提出了时变网络下考虑节点等待的4PL路径问题。根据网络中可能存在多个第三方物流(3PL)供应商的特点,建立了允许3PL供应商在节点等待的时变4PL路径问题的数学模型。并设计了基于K-短路的混合粒子群算法(K-PSO)。通过对4PL是否在转运节点更换3PL供应商以及对3PL供应商等待时间的分析,充分说明转换3PL供应商和在节点等待均能在保障完工的同时节省一定的运输费用。     

考虑车辆限速和风险公平性的危险品运输网络双目标优化模型

在危险品运输网络中,对不同路段上危险品运输车辆的最高车速设置不同的限制值,能在很大程度上影响危险品运输商的路径选择,从而导致不同的危险品运输网络总风险和总成本。本文首先基于车辆限速的方法,构建了考虑风险公平性的危险品运输网络优化的双层规划模型,上层规划以网络总风险和总时间成本的最小化为目标,并通过增加路段容量和区域风险约束以确保风险分布的公平性,下层规划以危险品运输企业的总时间成本最小化为目标;然后,采用粒子群优化算法求解了该模型;最后,通过两个算例验证了模型和算法的有效性。计算结果表明,政府部门运用车辆限速的方法,并且考虑风险平等性约束,在兼顾运输企业效益的同时,能有效地降低危险品运输网络的总风险和保证区域风险分布的公平性。     

4PL模式下供应链资源整合决策的优化模型及算法分析

在第四方物流(4PL)模式下的供应链资源整合运作特征基础上,提出了基于主导因素评判的资源整合决策模式,建立了整合决策的优化数学模型,搭建了改进的蚁群寻优算法来实现整合决策优化过程的求解.最后通过算例仿真验证了算法的有效性与可行性.     

求解有时间窗的车辆路径问题的混合蚁群算法

针对目前蚁群算法在求解有时间窗的车辆路径问题上存在的缺陷,提出一种搜索效率较高的混合蚁群算法,阐述了混合蚁群算法的基本原理,给出了求解有时间窗的车辆路径问题的具体步骤.计算机实验结果表明,混合蚁群算法在求解有时间窗的车辆路径问题上是有效的.     

时序约束下科学工作流的动态调度研究

随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.     

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.     

不确定条件下的应急物资配送选址-路径问题

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

不确定条件下的应急物资配送选址-路径问题北大核心CSSCI

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

基于遗传蚁群算法的港口集卡路径优化

为了解决港口中存在的集卡拥堵问题,在集装箱龙门吊装卸工艺系统下,探讨了影响集卡作业效率的因素和集卡路径构成成本, 建立了面向"作业面"的港口集卡路径成本优化模型. 针对这一模型设计了遗传蚁群算法并结合实例对问题求解, 且从集卡路径收敛、可变成本、惩罚成本和总成本的变化四个方面将该优化结果与蚁群算法的寻优结果进行对比, 证明遗传蚁群算法能够较快地收敛于最优解且所得成本更小.     

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。