收发件同步的快递服务网点选址与车辆线路规划算法研究

快递服务网点的布局需要考虑区域内客户的分布及各客户的收件、发件总量等多重因素.快递服务网点的选址及车辆线路的规划问题可以看作是将向客户发送物件的正向物流和从客户收取物件的逆向物流相结合的双向物流网络优化问题.以网点建设成本及运输成本最小为优化目标,提出一种新的综合考虑双向物流的快递物流网络模型,并设计一种改进的离散人工蜂群算法实现问题的有效求解.通过实际算例验证了提出的算法不但具有较高的求解效率,而且能够得到稳定且高质量的解.     

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.     

基于离散蜂群的应急物流车辆调度算法

为在尽可能满足应急物流时间要求的前提下最大程度的节约运输成本,提出了一种基于离散蜂群的应急物流车辆调度算法.该算法首先综合考虑运输车装载容量和受灾点的单边硬时间窗约束,构建了以最小化配送成本为目标的数学规划模型,然后利用离散蜂群算法进行优化求解,通过引入离散差分搜索强化其领域搜索能力,同时借助侦查蜂进行个体淘汰操作,从而避免算法陷入局部最优.仿真实验表明,与基于蚁群算法的应急物流车辆调度算法相比,该算法具有较强的鲁棒性,能够快速获得应急物流车辆调度问题的优质解.     

退役产品拆解车间逆向生产与物流集成调度优化

针对退役产品拆解工艺与物流存在的不确定性,提出一种逆向生产和物流集成调度拆解车间优化方法.分析退役产品拆解车间作业过程中生产与物流相互影响因素,以优化逆向生产与物流过程中的最大完工时长和提前/拖期成本为目标构建车间多目标调度模型.基于物流路径决策,设计一种带基因修复的变异算子改进NSGA-Ⅱ算法的变异准确性,提升算法的求解有效性.以某公司的手机拆解线为例,分析多尺寸的生产、物流算例.结果表明,随着自适应引导车数量的增加,大、小尺寸算例的拖期成本分别减少了57.1%和58.3%,验证了模型的有效性.     

关节动画的曲线逆向运动学算法

针对末端效应器沿指定曲线运动时的逆向运动学(IK)求解提出了一种二阶数值方法,用末端效应器运动曲线的参数对关节角度运动曲线进行参数化,建立两条曲线之间的直接联系.利用关节角度向量的二阶泰勒展开递推求解末端效应器沿曲线运动时关节角度向量的变化.本方法在计算时引入了末端效应器运动曲线的微分几何属性,因此称为曲线逆向运动学.与传统的一阶类牛顿方法相比,曲线逆向运动学算法精度高,步长可控.对于逆向运动学控制中存在的奇异位形和冗余自由度,现有的算法对曲线逆向运动学算法同样有效,不需要重新设计算法.     

不完美品质的单周期逆向物流库存订购策略

针对逆向物流中有关产品质量的不确定性,以Koh所提出的回收产品再制造库存模型为基础,假设回收产品与外购新产品中均有不良品,发展出总成本最小化的逆向物流库存模型,并采用数理方法及Maple 8软件求得最优经济订购批量与最小库存成本,最后进行了数值研究以及敏感度分析证明了所提出的求解算法的有效性.     

群岛固体废弃物逆向物流网络规划

传统的群岛固体废弃物处理方式已经不能满足海岛发展与生态环保的要求,地方政府逐渐采取将岛屿固体废弃物逆向运回至大陆进行离岛处理的方法,但高昂的海运成本是固体废弃物离岛处理的最大阻碍。为了降低群岛固体废弃物逆向物流网络的海运总成本,设计了中转储存运输和直接运输两种系统,并以网络节点选址、航线设置等为规划内容,构建群岛固体废弃物逆向物流网络总成本最低的整数规划模型,提出基于遗传算法与模拟退火算法的混合算法。最后,用MATLAB软件求解算例,结果表明,6号岛屿为中转岛,4、5、10、7、8、2、12、1、11号岛屿采用中转储运方式,3、9号岛屿采用直运方式,使得总成本最小,验证了模型和算法在群岛固体废弃逆向物流规划中的合理性,为实际提供参考。     

车辆路径规划问题的逆向优化方法

在电商物流的"最后一公里"配送中,经验丰富的驾驶员(专家)并不总是基于最短路径成本矩阵进行路径规划.对此,提出一种逆向优化方法,通过学习专家的过往路径决策,得到能够代表专家经验的成本矩阵,并应用于路径规划模型求解,使得专家经验能够融入决策算法中.利用机器学习中的乘性权重更新算法实现对专家经验的学习.随机算例和电商实际算...     

改进人工蜂群算法及其在工程设计中的应用

针对求解多目标优化问题(MOP:Multi-Objective Problem)时,人工蜂群算法(ABC:Artificial Bee Colony)存在难以收敛和候选解多样性难以保持的问题,对其各部分求解策略进行了改进。基于ABC算法框架,设计了一种基于自适应求解策略的多目标ABC算法,并在机电执行器设计的实际应用工程设计问题中,将所提出的改进多目标ABC与其他典型的群智能算法进行优化性能比较。通过实验验证可知,所提出的MOABC/DD(Multi-Objective Artificial Bee Colony Based on Dominance and Decomposition)算法在求解机电执行器设计问题基准测试用例时,与典型算法相比,具有较好的问题求解精度。并且MOABC/DD的实验结果较为稳定,从而证明了MOABC/DD具有较高的求解稳定性和健壮性。     

基于离散灰狼算法的资源分配问题求解

针对标准灰狼优化算法(GWO)只适合求解连续优化问题,无法直接求解离散域上的资源分配问题,提出一种基于马太效应的离散灰狼优化算法(DGWO)来求解资源分配问题.首先,根据数学映射思想给出一种将连续空间转化为离散空间、实数变换为整数的编码转换方法;然后,对其中的不可行解采用基于马太效应的修复与优化方法处理;最后,将DGWO计算结果与遗传算法结果进行对比发现不论是收敛速度,还是求解质量,DGWO算法均优于遗传算法.实验结果表明了DGWO算法求解资源分配问题的可行性、正确性和优越性.