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。     

时变路网环境下多温冷链配送路径优化研究

【目的】生鲜产品在冷链物流配送过程中的新鲜度及货损成本与配送行程所耗时间密切相关,而配送车辆在城市路网中不同时段行驶的速度不同,基于此在考虑了道路交通状况的时变路网特性之后研究配送的优化问题。【方法】针对时变路网环境下的多温区产品配送车辆调度问题,考虑载重质量与车厢容积及时间窗约束,建立由运输成本、货损成本及制冷成本构成的目标为总配送成本最小的数学优化模型,设计基于模拟退火算法的求解程序,并用MATLAB对实例进行求解。【结果】与以往研究中用平均速度方法求解出时间变量的方法不同,通过时变路网理论及模型求解,验证了时变路网环境下冷链配送路径优化模型及算法的有效性。【结论】结合时变路网,改进了货损成本中腐败函数的时间变量求解方法,刻画了各配送车辆每完成一个客户的配送后,车辆剩余货物在余下配送时间里货损成本继续发生的动态过程。     

带硬时间窗的冷链电动车辆路径问题研究

【目的】针对电动汽车应用于冷链物流配送的情形，充分考虑电动汽车能耗特点和社会充电桩的充电需求，研究了带硬时间窗的冷链电动车辆路径问题。【方法】首先构建以配送总成本最少为优化目标的规划模型；然后基于蚁群算法，设计了充电站优化算法和局部优化策略，形成混合蚁群算法求解问题；最后，改编形成硬时间窗冷链电动车辆路径问题的算例集，通过实验比较验证了蚁群算法和混合算法的性能。【结果】搜索解的改进率达到11-82%。【结论】带局部优化策略的混合蚁群算法能较大程度改进求解能力，算法性能总体得到大幅提升，且结果更稳定。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

基于PSO-VNS算法的质押物配送路径研究

【目的】质押物配送是物流金融中存货质押融资业务的重要流程。优化质押物配送路径可以节省配送时间,减小质押物在途风险以及运输成本。【方法】以配送质押物的车辆运行总距离最小为目标,将其转化为带距离和容量约束的车辆路径问题(DCVRP),建立数学模型。针对粒子群算法(PSO)的优缺点,设计用于求解该问题的混合变邻域搜索粒子群算法(PSO-VNS)。【结果】利用该算法求解应用实例,与基本粒子群算法对比求解的算法收敛过程和所得配送路径方案。【结论】通过实例研究表明,所改进的PSO-VNS算法能够快速跳出局部收敛,其全局寻优能力得到改善,且收敛速度更快,能够较好地为质押物配送路径问题提供解决方案。     

带时间窗的蓄冷式多温共配冷链配送问题研究

【目的】随着社会货物多样性需求的增大,多温共配不断发展,而蓄冷式 MTJD 又是冷链物流行业中一个新型的概念。【方法】针对蓄冷式 MTJD 模式下的多温度需求货物的配送调度问题,考虑时间窗约束,建立了以总配送成本最小为目标的混合整数规划模型,其中总配送成本主要包括蓄冷箱成本、车辆运输成本和惩罚成本等。针对该模型,设计了适合求解蓄冷式 MTJD 模型的染色体编码方式以及遗传算子,对算例进行求解。并通过利用 Cplex 对算例重新编写代码、求解,验证了遗传算法的有效性。【结果】蓄冷式 MTJD 的各个区间的温度可以根据需求自由地设置,保温性能也明显优于机械式冷冻车厢区隔式 MTJD 。【结论】蓄冷式 MTJD 在配送成本上相较于传统冷链配送模式以及机械式冷冻车厢区隔式 MTJD 具有明显优势,是一种值得推广的冷链物流配送模式。
     

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。     

考虑订单优先级带时间窗的多车型开放式车辆路径问题研究

针对物流运输中具有优先级的配送订单情况以及新能源车辆、燃油车辆混合配送的车辆路径优化问题,同时考虑车辆可行驶区域限制、车辆载重量、客户送货时间需求、新能源车辆充电约束,构建以碳排放成本、货运成本和时间窗惩罚成本总和最小的目标函数。根据订单优先配送特征设计带有优先策略的粒子群算法求解问题,并基于条件采用适应性算例进行实验,验证算法对考虑优先级订单序列带有时间窗的多车型开放式车辆路径问题的有效性。     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。     

顾客时间窗变化的物流配送问题干扰管理方法研究

为解决物流配送过程中顾客时间窗变化而导致的物流配送计划无法实现的难题,运用干扰管理方法,以干扰事件发生时的问题状态为基础,提出了新车增派策略和多车协作策略及其实施条件,并在此基础上建立了问题扰动救援的一种启发式算法.该算法针对受扰车辆路线上的所有顾客,根据新车增派策略和多车协作策略,依次将每一顾客在原计划的送货车辆、其他在途车辆,以及增派的新车之间分配,并重新规划分配之后的车辆路线.最后在标准算例上使用该算法与文献遗传算法进行了比较分析,结果表明该算法对于干扰事件发生后的车辆路线重排结果在系统整体扰动程度方面明显优于文献算法.     

三层结构下的GIS物流配送系统

物流配送是实现电子商务的一个重要环节，也是制约电子商务发展的一个“瓶颈”．在分析了地理信息系统的特点、应用于物流配送的优势、三层C／S结构特点之后，提出了三层结构下的GIS物流配送系统，并介绍了该系统的功能．系统除提供经营配送中心所需要的一般信息，如库存信息、供货厂家信息、需求用户信息外，还提供建立配送中心过程中的配送中心选址优化以及运营过程中的运输路线优化等决策支持．     

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。     

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。     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

蚁群聚类算法在物流网络优化中的应用

为了解决物流配送中的路径优化问题,运用改进的蚁群算法来建立配送车辆路径的数学模型,通过减少蚁群的选路次数、更新信息素等策略,提高了算法的收敛速度和全局搜索能力。经过实验分析和计算,证明了应用蚁群算法可以优化物流配送线路,可以有效地解决多回路运输问题。该成果对物流企业控制成本、增强市场竞争力有一定参考价值。     

钢铁企业产成品转库车辆路径问题优化

分析了钢铁企业产成品转库问题的特点,通过将转库任务分解的方法将原问题转化为具有最迟访问时间约束和同时访问车辆数限制的车辆路径优化问题,建立了转换后问题的0-1规划数学模型,针对模型的特点设计了迭代局域搜索算法.算法初始解由贪婪算法生成,局域搜索过程采用4种常用局域搜索算子的混合,摄动过程采用变强度的2-opt*算子.该算法可以同时实现转库车辆指派和车辆路径优化.通过仿真生成的算例对模型和算法进行了验证.实验结果表明,该模型和算法是解决该类问题的有效方法.