定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

多仓库定位-运输路线安排问题的模型和算法研究

针对现实问题的复杂性,考虑到单独研究物流设施选址和车辆运输路线安排问题的局限性,根据集成物流管理思想,综合考虑两个问题,重点研究了集成物流管理系统中多仓库定位-运输路线安排问题(LRP)。首先提出了LRP的数学模型,由于LRP属于NP-hard问题,提出了一种用于求解该类问题的两阶段混合启发式算法:禁忌搜索-蚁群混合算法。在选址阶段使用禁忌搜索算法求得一个较好的设施位置后,便转向运输路线安排阶段,并采用蚁群算法获得了一个与已得到的设施位置相对应的优化运输路线,这两阶段反复、连续运算,直到满足预先设置的终止条件。最后,给出算例验证模型和算法的有效性。     

集配货一体化的多站点定位路线问题

针对客户同时有集货和送货需求时的定位路线问题,建立数学模型,设计两阶段启发式算法。第一阶段为定位配给问题,采用禁忌搜索算法,避免陷入局部最优;第二阶段为集配货一体化车辆路线问题,采用模拟退火算法,具有强收敛性,可以得到全局优化解;然后将两个阶段进行很多次循环迭代最终求得集配货一体化多站点定位路线问题的优化解。通过实例计算验证该启发式算法的可行性和有效性。     

基于混合算法的多目标多式联运路径选择问题研究

针对多目标多式联运路径选择问题,在综合分析多式联运现状的基础上,集成考虑运输成本、运输时间以及物流服务质量3个方面因素,构建混合整数规划模型,其优化的目标是最小化运输成本、运输时间的同时,最大化物流服务质量;考虑到客户的不同侧重点和差异化需求,确定3个目标的权重,设计遗传算法和蚁群算法相结合的混合算法对模型进行求解.以"西安—柏林"为例进行算例分析,将所求结果与遗传算法、蚁群算法进行对比,结果表明:当客户对时间和成本重视程度较高时,混合算法、遗传算法和蚁群算法求得最优解的迭代次数分别为164次、170次和183次,最优路线为西安—郑州(铁路)—大连(铁路)—鹿特丹(水路)—柏林(铁路);当客户对时间和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为112次、117次和150次,最优路线为西安—重庆(公路)—柏林(铁路);当客户对成本和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为115次、120次和160次,最优路线为西安—郑州(铁路)—深圳(铁路)—鹿特丹(水路)—柏林(铁路).研究表明:设置不同的目标权重时,模型和混合算法均能够有效地为多目标多式联运路径选择问题提供实用性的优化方案和路线参考.     

改进的两阶段算法求解差别费率车辆调度问题

针对车辆在负载和空载状态下不同的成本核算模型,提出了两阶段算法求解最小配送成本:第一阶段用改进的扫描算法求得满足问题约束条件的若干组非同质化的初始解;第二阶段采用这些解作为多样化的初始种群,并用改进的单亲遗传算法进行全局、大范围搜索,最终求得满意解.实例计算表明,算法能在较短的时间内求得理想解,满足了物流配送企业深挖内部潜力、有效控制成本的现实需要.     

VMI模式中的信息共享问题研究

信息共享是实施供应商管理库存模式的前提条件.为了实现供需双方的信息共享,研究共享数据模式设计技术.在分析模式集成原理的基础上,提出共享数据模式的设计原则以及多目标优化函数,并提出一种共享数据模式启发式算法.该启发式算法包括5个步骤:定义集成问题边界、建立系统对象关联矩阵、建立业务对象树、求解初始解、优化初始解.共享数据模式启发式设计算法在实际案例中得到了应用和验证,是实现供需双方信息共享的有效工具.     

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.     

生物质资源库存-路径整合优化问题研究

库存和路径是供应链中两个重要决策问题。本研究旨在整合优化生物质资源供应链中的设施库存和车辆路径，将总成本降至最低。本研究在优化供应链中车辆路径规划问题时，加入对设施库存问题的考虑，通过对两个问题的整合优化来减少牛鞭效应的影响。针对整合出的生物质资源供应链库存-路径优化问题建立混合整数规划模型。由于问题的计算复杂度较高，导致求解问题会消耗大量时间，为此开发混合启发式算法(HHS)实现高效决策。通过算例测试验证了模型及算法的可行性，计算结果可应用于实际的生物质资源供应链库存和路径。CPLEX精确解和HHS算法近似解的比较表明HHS算法可求得十分接近精确解的近似解且更加高效。     

融合蚁群算法和遗传算法的矩形件排样问题研究

提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最优排样图.计算实例表明:与单一遗传算法相比较,该融合算法可达到更好的排样效果.     

库存-运输联合决策优化模型及算法设计

针对外部供货存在提前期的情况,构建一个配送中心-多客户库存和运输决策优化模型.根据模型特点,通过分解-迭代思路来分解模型,并利用模拟退火算法思想设计主算法.算例结果显示,近似最优解与精确最优解接近,且优化后的车辆运输效率得到了较大提高.这些结果可为此类结构物流系统运作决策研究提供理论参考.