逆向物流订单分配排序优化研究

【目的】讨论了如何对订单合理分配实现货物的低成本及高效回收的问题,为作为闭环供应链逆向物流订单货物的高效回收提供可借鉴方法。【方法】通过对逆向物流车辆与货物订单分配问题的分析,利用现代排序论的思想和方法将逆向物流订单和车辆分别看作工件和机器,构建了逆向物流订单分配排序优化模型,设计了模型求解算法并做了算例模拟。【结果】算例模拟结果表明:所设计的模型及算法能够有效解决订单货物的高效回收。【结论】基于分支定界法的改进的FBLPT算法能够给出问题的最优解,对解决逆向物流订单分配排序优化问题有一定参考价值。     

基于离散人工蜂群算法的废弃物逆向物流网络设计

废弃物回收的物流网络设计是一种逆向物流问题.以其回收总成本最小并兼顾回收便利性为目标,设计改进的离散蜂群算法,提出包含回收点、回收中心和处理中心组成的多级逆向物流网络模型,以解决逆向物流中的车辆路径问题和选址分配问题.实验结果表明新算法是有效的,能够快速发现稳定高质的近似最优解.     

不确定环境下快递包装物逆向物流网络设计

【目的】针对快递包装物回收问题建立了包含居民点、回收中心、处理中心、再制造中心与焚烧中心的逆向物流网络。【方法】考虑到快递包装物的回收具有分布范围较广、数量较多且波动较大的特点，采用三角模糊数进行定义，以成本最小化为目标构建了混合整数非线性规划模型，以确定各级设施的数量、位置以及物流分配。【结果】运用可信性理论，通过设置置信水平等参数，对模型的约束条件进行了等价转换，降低了模型的求解复杂度。【结论】实验结果表明，模型能够较为真实地模拟快递包装物逆向物流网络决策过程，是可行的；Lingo程序能够有效地求解到模型中各级设施布局以及它们之间流向与流量的最优方案。     

模糊环境下物流服务供应链订单分配问题研究

【目的】针对物流服务供应链订单分配问题,考虑订单分配问题的动态性与模糊性,使所建模型更符合实际情况,提高方案可行性。【方法】将物流服务供应商物流能力供给量与物流服务集成商物流能力需求量设为模糊不确定变量,建立模糊环境下的订单分配模型,以最小化物流服务集成商订单分配成本为优化目标,利用可行性理论进行清晰等价式转换,最后通过Lingo 11.0软件进行模拟运算。【结果】通过置信水平灵敏度分析,得出置信水平与订单分配成本之间的关系,能为物流服务集成商提供一定的决策支持。【结论】物流服务集成商在制定订单分配方案时,置信水平应设置在0.5以上,以使分配方案不过度偏离实际情况,增加方案可行性。又要注重置信水平与成本之间的关系,选择适合自身需求的置信水平。     

一种基于EPR的逆向物流网络模型及算法研究

研究了多生产商联合对其回收产品进行回收的逆向物流网络和流量分配问题.构建了多回收源点、多企业参与回收多种回收物品,且每一回收物品处理站对每种回收物品有最大处理容量约束的网络优化模型,提出了基于拉格朗日松驰的启发式算法,并通过一组算例验证了算法的适用性和有效性.该研究可以应用到资源受限的回收物品回收实践中,为回收资源、再生资源和循环利用资源中的逆向物流设计提供新的方法.     

基于图论的预约-分配的模型和算法研究

【目的】随着日间手术病房的就医人数的快速增加,针对患者的预约分配要求,医院的处理过程正变得越来越困难和复杂。传统方法通过人工填表进行预约分配,耗时长、效率低,并分散了对医疗方案的注意力,所以迫切需要新的计算科技来解决预约分配中存在的问题。【方法】采用网络和图论的方法,将患者和日间手术病房之间的预约分配问题,合理表示为一种患者和病床之间的资源优化管理。即把患者和病床之间对应关系,构成二部图(Bipartite-graph)的模型和算法。【结果】采用了改进的算法后,通过在计算机上对数据进行仿真模拟,表明基于该模型和算法基础上给出的排序结果优化了的预约分配方法。【结论】采用二部图模型和改进算法,有效解决目前在日间手术病房的预约分配中存在的困难问题,优化了医疗资源管理。     

禁忌搜索算法求解带时间窗和多配送人员的车辆路径问题

【目的】为了求解带时间窗和多配送人员的车辆路径问题,建立了该车辆路径问题的数学模型,并采用禁忌搜索算法进行求解。【方法】首先松弛车辆载重和顾客时间窗约束,在目标函数里面引入相应的惩罚成本;接着,使用贪婪算法生成初始解;最后,设计禁忌搜索算法求解该问题。在禁忌搜索中,使用了插入、删除、移动、交换等算子搜索邻域解空间,并使用扰动算子进一步加大搜索范围。为了验证禁忌搜索算法的有效性,对修改的Solomon标准测试问题进行求解,并与CPLEX的优化结果进行比较。【结果】在小规模算例求解中证实了禁忌搜索算法的准确性,在标准规模算例求解中证实了该算法的高效性。【结论】所提出的禁忌搜索算法能够有效解决带时间窗和多配送人员的车辆路径问题。     

带软时间窗的多商品需求可拆分两阶段车辆路径问题研究

【目的】干线、支线作为电商企业物流配送的关键环节,其协同优化对降本增效意义重大。【方法】基于干线、支线实际运营特征,提炼出软时间窗、多车场、多商品、需求可拆分两阶段车辆路径问题,建立以车辆路径成本、固定派车成本和惩罚成本（违反配送时间要求）为优化目标的混合整数规划模型,基于派车次数和运输距离节约的贪婪思想,设计高效启发式求解算法,并借助27个小规模算例和8个较大规模算例对模型和算法的求解效果进行验证。【结果】实验结果表明：1）借助优化软件,模型在2个小时内能够求解5个区域中心仓库、20个中转仓库、4种商品的算例;2）所设计的启发式算法能够在较短时间内对现实中的较大规模问题求出可行解,求解能力和求解效率远优于优化软件CPLEX;3）问题复杂度随着问题规模（区域中心仓库数量、中转仓库数量、商品种类数量）增加急剧增加,中转仓库数量对问题复杂度的影响最大,区域中心仓库数量的影响次之,商品种类数的影响最小。4）针对较小规模算例,干线配送成本占比较大,随着算例规模增加,支线环节派车数量增幅较大,进而导致支线配送成本明显增加;5）增加车辆工作时长后,干线环节派车数量减幅较大,总配送成本显著降低。放宽第二阶段车容量限制,第二配送阶段的用车数量大幅度降低;【结论】研究成果不仅可拓展两阶段车辆路径问题现有理论,而且有助于电商企业实现多级配送网络高效协同运作;此外,通过优化配送方案,减少派车次数,有助于缓解城市交通压力,改善城市交通环境。     

基于 NSGA-Ⅱ 的考虑客户满意度的多目标车辆路径问题研究

【目的】研究考虑客户满意度最大和总成本最小的车辆路径问题。【方法】引入了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解，并采用Python进行程序编写，选取Solomon 的标准测试数据进行数值实验。【结果】建立客户满意度最大和企业总成本最小的双目标优化模型，实现了车辆数、客户满意度、总路径长度以及成本费用的优化。【结论】实验结果表明所建立的优化模型能够在给客户带来高质量服务的同时，较好地降低成本，对物流企业的配送决策提供一定的参考价值。     

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.