需求可拆分车辆路径优化模型与BLF-GA算法设计

生活中,零售商或者顾客需求通常由具有一定尺寸的多件货物构成,这就使得车辆配送不仅应考虑车辆载货重量的限制,还应考虑车辆载货容积的限制.而多件货物构成的需求在很多情况下是允许多台车辆配送来满足,即需求可拆分.基于以上现实情况,笔者建立了考虑二维装箱约束的需求可拆分车辆路径优化模型,给出了模型解的特征.以改进的遗传算法为基础,结合BLF算法,设计了BLF-GA算法.数值案例表明:不考虑装箱约束得到的最优路线存在不满足装箱约束的情况,考虑装箱约束得到的最优值大于不考虑装箱约束的最优值,这说明货物尺寸对车辆路径产生了影响,在车辆路径优化中考虑装箱约束.     

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.     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

带二维装箱约束的需求可拆分车辆路径问题模型及算法研究

车辆配送计划时通常会考虑货物易损、易碎的可能性,以及如何充分利用有限的运输资源对货物进行配送以满足顾客的需求。在车辆有限、货物易损坏、顾客需求可进行拆分等环境下,实现车辆配送总路径最短,即考虑二维装箱约束的客户需求可拆分的车辆路径问题。对问题进行详细定义,建立了2L-SDVRP模型。将遗传算法与BLF算法的结合求解模型;并用数值案例验证算法有效性。     

基于改进C-K节约算法的第三方冷链物流企业车辆调度

针对冷链车辆调度中存在的配送任务重、配送成本较大、冷链物品的质量要求高、制冷追踪技术要求先进等问题,结合第三方物流企业的多商品多零售商特点,提出了新的基于改进C-K节约算法的单货栈第三方冷链物流企业的车辆调度模型.该模型以配送总成本最小为目标函数,以配送点时间窗要求、货物运输总时间限制、冷藏车体积容量和载重量限制为约束条件.以北京某第三方冷链物流企业的货物配送实例作为研究对象,利用C++编写算法程序实现了对模型的求解,求解结果验证了该模型的合理性.     

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。     

对城市煤炭供应过程中煤炭运输车的路径规划

针对城市煤炭运输过程中多配送站的车辆路径规划问题,须考虑行驶距离和实际装载量对物流配送过程中车辆燃料消耗量和碳排放量的影响。首先,将燃料成本和碳排放成本考虑到总成本中,提出了以最小化物流成本和碳排放量的多目标多配送站车辆路径规划问题,建立了该问题的混合整数规划模型。其次,基于该模型特点,设计了改进的化学反应算法,对问题进行求解。该算法采用两部编码和矩阵编码方式,设计了基于贪婪搜索策略的种群初始化方法,并进一步设计了4种化学反应。最后,通过随机产生数据进行数值实验。实验结果表明:车辆多行驶较短的距离可以降低碳排放量,这为兼顾物流成本和碳排放量的多配送站车辆配送问题提供了方法指导。     

基于地铁的城市物流配送路径优化

为了应对日益增长的快递需求,缓解货运车辆加重的城市交通拥堵,提高城市配送效率,本文提出了整合地铁资源进行城市物流配送的构想。本文将从企业和用户的角度出发,考虑地铁与末端地面配送车辆的容量限制,以运输成本、车辆成本和时间成本最小为目标函数建立多目标优化模型,优化地铁列车班次的客户分配和末端地面车辆的路径选择,更加符合实际。然后采用遗传算法对模型进行求解。最后以南京市地铁2、4号线为例,验证了模型和算法的实用性及有效性。结果表明,基于地铁的城市物流配送的总成本远低于单独货车配送,具有较强的应用价值。     

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.     

改进蚁群算法优化车辆路径问题的研究

研究采用改进的蚁群算法优化带约束的车辆路径的问题。考虑的约束条件包括路径约束、时间窗约束和容量约束。主要目的是提出一种改进的蚁群算法进行车辆路径优化,构建配送车辆行驶路线,实现配送路线总成本的最小化。从三方面对蚁群算法进行了改进：对参与条件转移概率的候选节点列表进行预处理减少路线构建过程计算的时间复杂度;提出插入式节约算法用于改进蚁群初始配送路线提高寻优精度;基于蚁群系统对信息素更新策略进行改进,加快算法收敛速度。基于Solomon基准数据集,与近年来已取得的研究成果展开对比实验,证明提出的改进算法在提高求解精度和搜索效率方面的有效性,在优化带约束条件的车辆路径问题时的实用性,拓展了蚁群算法的应用领域。     

适于车辆路径规划的改进型粒子群优化算法

路径规划在车辆导航系统中具有举足轻重的作用,是配送车辆导航系统中的一个重要模块.为解决物流配送车辆导航中的路径规划问题,文章以点对点模型为基础,对基本粒子群优化算法在初始种群的产生方法和种群的进化策略进行改进,提出适于配送车辆导航中路径规划点到点模型的改进型粒子群优化算法,并通过仿真试验验证了算法的有效性和快速运算能力.     

武汉市烟草配送路径及运力优化

根据烟草产品特点,针对武汉市现有的配送体系和地理特点,建立了配送路径及运力优化方案数学模型,并确定了配送路径优化设计静态和动态约束条件,所涉及到的问题是带有时间限制和车辆载荷限制的车辆路径问题.其解决方案是采用二阶段算法对配送路径进行先排线路再分组法,并应用带有载荷约束的单巨集切割法,将大规模VRP问题分为线路划分和单车线路优化2个子问题,有效地解决了配送路径和运力优化问题.并通过案例对模型和解决方案作了进一步分析验证.     

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。     

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。     

基于需求紧迫度的约束性应急物资车辆路径模型

为了实现科学、高效的灾后应急响应,针对传统路径规划中单目标、单车场、单次配送、无差别化供给、闭合式调度等多方面限制,开展基于需求紧迫度的约束性应急物资车辆路径研究。运用层次分析法对需求紧迫度进行赋权分级,以应急救援过程的响应时间、配送延误惩罚与需求未满意率最小化为目标,构建约束性应急物资车辆路径模型,并设计两阶段遗传算法。通过算例检验算法与模型的有效性和适用性。结果表明：该模型可有效解决资源紧缺、受灾程度异化情况下的物资配送问题,形成适用于突发自然灾害事件的动态应急物资车辆路径规划方案,实现突发路况处理与资源效能最大化,并为应急物资的车辆路径规划提供理论依据与决策参考。     

考虑同时取送货的城市快递共同配送路径优化

针对快递企业的配送车辆在城市配送过程中空载严重的问题,在多家快递企业实施共同配送的前提下,考虑车辆同时取送货对车辆装载率的影响,以配送系统总成本最小化为优化目标,建立考虑同时取送货的城市共同配送路径优化模型,并设计改进遗传算法进行求解,最后通过算例分析验证了模型和算法的实用性与有效性。     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

不确定应急物流LRP双目标优化模型

为了优化应急物资配送系统,提高配送的时效性和经济性,以总时间最短和总成本最小为目标,建立了不确定双目标机会约束优化模型,在这个模型中综合考虑了需求点的限制期要求以及需求点物资需求量的不确定性、两节点运输时间的不确定性、若干车辆容量的有限性和若干候选救援中心容量的有限性,并且假设救援车辆完成自身的任务后停靠在就近已经启用的救援中心;运用遗传算法求解该模型,并且利用惩罚函数的思想以及加权法对目标进行了处理,最后给出数值例子验证该模型和算法的有效性.     

考虑客户满意度的车辆路径优化及其算法研究

针对当前车辆路径问题中较少考虑客户满意度的情况,构建了基于模糊时间窗的车辆到达时间满意度函数和货物运输时长满意度函数,以最大化客户满意度和最小化配送总成本为目标建立VRPCCS数学模型.为了求解该问题,考虑到传统遗传算法存在依赖初始解、收敛速度较慢、容易陷入局部最优等缺点,设计改进的遗传算法与大规模邻域搜索算法相结合的混合算法进行求解,通过选取算例并与传统遗传算法进行对比,验证了模型和算法的可行性和有效性.实验仿真结果表明考虑客户满意度的物流配送方式不仅能够有效提升客户满意度,也能够降低物流企业配送成本以及车辆空载率,对于物流企业的车辆配送路径决策具有一定的参考意义.