设施选址问题综述

选址问题是组合优化领域中的一类重要问题,它是对于一些网络服务器、核电站或者物流中心等有限且重要的资源进行选址决策,在生产管理与调度,网络通信,理论计算机科学等方面有广泛的应用。本文对目前几类经典的设施选址问题进行了介绍,通过对比、分析,对几类经典设施选址问题的特点进行了归纳。本文的研究意义在于通过对不同模型的特点进行分析后,能有利于后续研究者针对不同特点的问题模型提出不同的启发式算法。     

基于同时送取货电动车选址路径问题优化研究

针对电动汽车同时送取货问题,在考虑车辆容量与电量约束情况下,建立以总成本最低为目标的数学模型并通过模拟退火-蚁群算法对模型进行求解。首先,根据实际配送过程中出现的同时送取货约束和时间窗约束建立其选址路径数学模型;其次,通过加入回火操作和高斯变异设计了改进的混合模拟退火-蚁群优化算法对模型求解,并将提出的算法与蚁群算法、禁忌搜索算法以及自适应大领域搜索算法进行对比,证明算法优越性;最后,与送取分离的配送策略进行对比。基于不同规模算例检验算法性能,实验结果表明,提出的算法以及配送策略能得到较低的成本费用。     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。     

约束平面选址问题的蜂群优化算法

蜂群算法具有邻域搜索和随机搜索的性质,鲁棒性强,收敛速度快,在求解函数优化和组合优化问题上,获得了较好结果.对带有区域限制的平面选址问题,该算法运用人工蜂群优化思想,给出了一种新的求解方法.实验结果表明,通过调整算法参数,得到了较好结果,验证了算法的可行性和有效性.     

Floyd最短路径算法在社区医院选址中的应用

本文阐述了Floyd全部顶点间最短路径算法选址的原理,并通过实例讨论了社区医院选址算法的步骤及MATLAB程序实现的全过程。     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

基于改进粒子群优化算法的逆向物流选址与路径问题研究

综合考虑逆向物流中的车辆路径问题和选址分配问题,首先分析问题的特点,并建立问题的数据模型,然后提出一种基于贪心算法的改进粒子群优化算法.实验结果表明,新算法能够以较快的收敛速度得到问题的近似最优解,是解决该类问题的有效方法.     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

风电场选址问题综述

随着风电事业的飞速发展,风电场选址已成为一个重要的研究课题。本文主要从风资源评估参数、风电场宏观选址和微观选址等几方面对风电场选址问题进行论述,以期通过综合考虑选址的各个因素,实现风电场的最优选址,从而达到合理建设风电场、有效利用风能的目的。     

配送中心选址与车辆路径问题的优化

为了克服蚁群算法(Ant Colony Optimization,ACO)搜索初期信息匮乏、信息素累积时间长、求解速度慢的缺点,结合具有快速全局搜索能力的遗传算法(genetic algorithm,GA),同时引入混沌搜索和平滑机制,采用混沌搜索产生初始种群可以克服生成大量非可行解的缺陷,加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混沌蚁群优化算法(Chaos Ant Colony Optimization,CACO)。建立物流配送中心选址(logistic distribution center location)与车辆路径问题(vehicle routing problem,VRP)的数学模型,分别应用CACO和GA求解,对50客户规模的问题模型仿真,结果表明CACO优于GA。     

针对多中心场站下两级选址路径问题的双智能集成算法

两级物流网络的构建一直是城市物流领域中的主要课题,中心场站和枢纽点的辐射范围、枢纽点与客户点的对应关系以及配送路径问题一直是两级物流网络的难点.为解决这一系列问题,提出一种基于多中心场站选址路径问题的数学规划,并在拥有两阶段算子的自适应大邻域搜索算法、模拟退火算法的基础上,提出一种双智能集成算法.在两级结构中,使用两阶段算子的自适应大邻域搜索算法解决了每一级节点分配问题后,使用模拟退火算法求解了每一个主节点与其子节点形成内循环的遍历序列——仅考虑内循环为旅行商问题的情况,两级车辆路径问题与节点分配问题的耦合造成其极高的复杂性.最后选取不同量级的数据集对算法性能进行有效性测试,确定算法在一定时限内明显优于数学规划与部分现有的启发式算法,实验结果还说明了枢纽点数量与总成本之间存在一定的效益悖反.     

多目标优化量子免疫算法求解基站选址问题

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案.设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证.实验结果表明：算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值.     

选址-分配问题的一个算法

本文就常见的所谓选址一分配问题,在提出了一个较为简单的多项式算法。在采种条件下,所得到的解是最优解,文中所提出的模型不局限于配电系统,亦可适应其它各种类似的集散系统。文末给出了一个计算实例。     

基于Matlab优化算法的物流中心选址

应用Matlab优化函数求解带时效性约束的物流中心选址问题。分析选址问题的时效性约束条件，构造带时效性约束的物流中心选址模型，利用Matlab优化工具箱中的“fmincon”函数，设计选址模型的精确算法，并给出具体算例，验证模型和算法的可行性。研究结果表明，基于Matlab函数的优化算法编程简单，运算速度快，既能够求解带时效性约束的选址模型，又能够求解不带时效性约束的重心选址模型，是一种比传统算法更有效的求解物流中心选址问题的算法。     

突发事件应急设施选址问题的模型及优化算法

综合考虑应急设施选址的公平性、效率性、设立成本等多方面的因素,建立了一个可适应重大突发事件救援设施不同部署策略的多目标规划决策模型.利用模拟植物生长算法的通用模型,提出了基于模拟植物生长思路的目标问题求解方法.通过对实例的计算,结果验证了多目标决策模型的可行性与合理性,模型的求解算法可获得最优解,具有良好的性能.     

基于蚁群算法的生鲜农产品配送中心选址优化

根据生鲜农产品保鲜期短的特点,以节省企业各项运营成本和最小投资费用为目标,建立了时间约束的多个配送中心选址问题的数学模型。结合实例,采用连续函数优化问题的蚁群算法求解模型,运用VC编写相应的程序,从而提高中心选址决策的效率和精度。     

基于路径灵活性的两阶段开放式低碳选址—路径问题

为缓解城市交通拥堵日益严重与物流配送量逐年上升的矛盾,利用城市配送客户多、范围广、路径可替代性强的特点,基于传统两阶段开放式选址-路径问题(2E-OLRP)模型,在总成本中考虑燃油消耗和CO_2排放,在路线规划中考虑路径选择的灵活性,提出一种基于路径灵活性的两阶段开放式低碳选址-路径问题模型(2E-OLCLRP-WF),并利用CPLEX进行求解。在相同案例情形下,利用Dijkstra算法和CPLEX求解考虑燃油消耗和CO_2排放成本的2E-OLRP模型(即2E-OLCLRP模型),并将两种模型的结果进行对比分析。结果表明:与2E-OLCLRP模型相比,2E-OLCLRP-WF模型能节约总成本0.20%,其中,节约运输成本5.86%,减少CO_2排放5.98%。因此,为节约总成本并减少CO_2排放,物流企业在城市网络配送中应适当考虑路径灵活性。以上研究结果可为城市物流配送规划决策提供参考。     

多目标路径规划问题的算法综述

单目标路径优化模型难以更好的模拟实际生活中复杂多变的状况,相比而言多目标路径优化更贴近于现实,对实际问题更具有指导意义,也是近年来计算机科学和物流科学研究的一个热点问题,产生了众多的研究成果;为全面总结多目标路径优化算法的研究现状,综述了国内外多目标路径优化算法在不同背景下的应用及取得的进展,并按算法的构造方法进行了相应的分类;最后进行了总结分析了存在的问题,并指明其进一步的研究方向。