考虑GIS的物流配送区域划分与路径规划算法

针对大规模VRP配送问题,提出一种配送区域划分的启发式-模拟退火混合搜索算法.针对GIS中实际路网建立路网数学模型,并在大规模VRP路径规划问题研究中与实际GIS路网相融合.对配送路径规划问题提出一种结合GIS模型约束的启发式路径搜索算法.对杭州市某配送区域实际问题求解并与另一种启发式算法对比,验证了算法的有效性.     

基于路况的医药冷链物流配送路径优化

基于传统的医药冷链物流配送模型,在考虑道路通行状况对模型求解最优路径影响的基础上,建立了以综合成本为目标函数的配送模型.同时,将实际配送情况进行参数化数学建模,并通过一个数值算例,使用蚁群算法求解考虑道路通行状况的配送模型与未考虑道路通行状况的配送模型,将求解结果进行比较分析.结果表明:考虑路况条件的配送模型求解得到的最优路径比未考虑路况条件的配送模型求解得出的最优路径效果更优,综合成本降低11.96％,考虑路况条件的医药冷链物流配送模型具有更大的现实意义.     

考虑多车型软时间窗的成品油二次配送库存-路径问题

针对成品油二次配送库存-路径问题(inventory routing problem, IRP),考虑了随机需求、多车型多隔舱等因素,以车辆配送成本、违反时间窗等惩罚成本之和最小化为目标,建立了混合整数规划模型。设计了求解模型的两阶段启发式算法,第一阶段根据各加油站的期初库存量、销量的概率分布等确定补货量和时间窗;第二阶段利用遗传算法和C-W节约算法确定配送车辆和配送路径。通过模拟计算并与单阶段算法和Gurobi直接求解模型的结果进行对比,验证了两阶段算法的有效性。结果显示利用本文方法确定成品油二次配送计划,在避免加油站缺货的同时,有效降低了车辆的配送成本。     

基于供应商管理库存模式的配送路径优化问题

基于供应商管理库存(VMI)模式制定科学的产品配送决策,可以合理优化库存水平、有效提高物流运输效率。本文针对VMI模式下的配送路径优化问题开展研究,考虑客户的产品消耗率和服务时间窗等因素,以总配送成本最小为目标,建立混合整数规划模型,并设计了贪婪算法;首先利用Gurobi求解器对小规模算例进行求解,分析VMI模式的优越性,结果表明,基于VMI模式的配送路径规划方案可以有效减少库存水平,降低总配送成本;然后利用中等规模算例分析贪婪算法的求解效果,结果显示,对于40个点的中等规模算例,求解器在240分钟内无法得到最优解,而贪婪算法可以在0.2秒之内得到近似最优解。     

电动汽车集散货一体化车辆路径问题

针对电动汽车特性,考虑里程约束和时间窗约束,建立以最小化总费用为目标的电动汽车集散货一体化车辆路径问题模型.模型考虑了车辆可在行驶途中多次前往充电站补充电量.因此,避免由于电量不足导致的车辆半路抛锚及电池过度放电.应用遗传算法求解模型,得到包含配送计划、行车时间及充电计划在内的配送方案.并基于Dijkstra算法求解任意两个邻接节点之间最短路径问题,在路网上为车辆规划行车路线.结合北京市城区路网的算例验证模型和方法的有效性和实用性.     

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.     

考虑城市货运车辆交通管制的配送优化

为缓解城市交通压力,一、二线城市相继出台交通管制措施以限制货运车辆的行驶路段和时段,导致配送企业的作业难度明显增加.基于软时间窗下车辆到达时间递推矩阵,构建考虑城市货运车辆交通管制的配送路径优化模型,并开发基于"链编码"及"子链补偿"交叉算子的混合遗传算法进行求解.不同管制情景下配送总成本的变化趋势及不同子链规模阈值下算法收敛质量的对比,显示了该模型与算法的有效性及实用性.     

带时间窗的物流配送区域划分模型及其算法

针对烟草行业存在客户点大规模、客户需求量不固定、配送车辆最大行驶距离限制以及客户点送货时间不固定等特点,综合考虑配送的多产品、多客户、时间限制等影响因素,通过聚类方法划分不同的配送单元,应用整数规划选择中转站不固定配送单元,以物流配送网络构建的总成本最小化为目标函数,建立了基于配送单元的固定成本和变动成本以及带时间窗的时滞成本的数学规划模型,并提出了一种改进粒子群-遗传混合算法进行直接求解.该算法在评价函数中隐含加入了距离和时间等约束条件,并设计了算法间选择性赋予方法,具有较高的全局和局部搜索能力.实例仿真表明,该混合算法的优化性能和效率优于PSO算法、GA算法、GA-PSO算法和MPSO算法,因此能够更有效地解决大规模配送点的物流配送区域划分问题.     

基于蚁群-免疫算法的组团弹性物流配送优化

为有效降低烟草配送成本,从配送与补货角度,提出组团式新型物流配送模式.结合位置、需求与补货周期等信息,将需求点按小组划分,建立了组团弹性配送优化模型.以配送路径最短为目标,设计了组团弹性模式下的蚁群-免疫算法,实现了对配送路径的优化和仿真.通过实验例证和对比分析,验证了模型可行性与算法的有效性.     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.