未定路网情景下灾后应急物资多方式配送的LRP研究

研究未定路网情景下灾后应急物资多方式配送的定位-路径问题(LRP),综合考虑应急路网连通情况、时间窗限制、车辆随机行驶时间、应急物资满载直配与巡回配送等特性,以应急物资总配送时间最短为目标,构建一个灾后应急物资多方式配送的LRP优化模型,并根据模型特点设计一种混合启发式算法予以求解。最后,通过算例验证了本文模型和算法的可行性与有效性。     

震后应急物流动态选址-联运问题的双层规划模型

针对震后两级救灾动态网络系统、多品种救灾物资、供不应求、多运输方式以及物资需求急迫性程度不同等特点,建立一个上层以物资运送时间满意度最大为目标,下层以物资分配公平性最大为目标的双层规划动态模型,同时考虑时间窗限制以及物资最低满足率限制、中转设施数量限制、中转设施逐渐增加、运力限制以及物资量守恒等一系列约束条件。并根据模型特点设计了一种混合遗传算法。最后,以汶川大地震应急物资配送为背景,构建两阶段算例验证了模型和算法的有效性和可行性。     

模糊需求与时间窗的VRP及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题,以总行驶距离、车辆使用数最小化,以及平均客户满意度最大化为目标,构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性,改进了交叉算子,在引入局部优化算法及擂台法则的基础上,设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验,表明算法能够有效地求解带时间窗的车辆路径问题,以及模型的合理性,同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路,也可为实际配送路径规划提供指导。     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题，以总行驶距离、车辆使用数最小化，以及平均客户满意度最大化为目标，构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性，改进了交叉算子，在引入局部优化算法及擂台法则的基础上，设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验，表明算法能够有效地求解带时间窗的车辆路径问题，以及模型的合理性，同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路，也可为实际配送路径规划提供指导。     

基于灾情信息更新的应急物资配送多目标随机规划模型

研究了多出救点、多受灾点、多物资、多车型的应急车辆选址、路径选择和物资配送问题. 考虑到灾害预测准确性和物流成本效率之间的悖反关系, 从多目标规划和随机规划的角度, 建立了应急物资配送的多目标随机规划模型. 建模中同时考虑需求和配送路径连通性的随机性, 以及出救点对受灾点的最大覆盖范围限制. 将统计决策与运筹规划相结合, 设计一个加权贝叶斯风险将多目标规划问题转化为单目标规划问题, 以及设计一个决定最优停止观测时刻的决策规则使原问题转化为最优停止问题. 通过Xpress软件编程求解. 最后, 算例分析表明了模型和软件的求解速率与精度, 并分别证明了两阶段随机规划和灾情信息更新的优势.     

考虑紧迫度的应急物资调度及粒子群算法求解

重大公共卫生事件爆发初期,医疗物资消耗迅速,供给严重不足,为了合理高效地分配医疗物资,开展应急医疗物资配送问题研究。引入熵权法确定需求点的需求紧迫度,优先配送紧迫度高的需求点,在此基础上尽可能地使配送路径最短,实现构建基于物资需求点紧迫度不同前提下的需求可拆分的多目标应急医疗物资调度模型;并使用动态惯性权重和增加粒子扰动项等策略对粒子群算法进行改进用于求解模型。结果表明：该方法可高效解决资源紧缺情况下应急物资调配及车辆路径方案生成问题。     

不确定信息下应急设施选址-路径鲁棒优化

为抵御突发灾害对路网造成的破坏性,提高救援效率,考虑路径超期风险和设施点失灵对系统的影响,针对需求点物资需求量不确定和车辆运输时间不确定,构建三级路网,采用车辆和直升机联合运输方式进行多物资运送。基于鲁棒优化思想,建立了以物资送达需求点救援时间之和最小为目标的应急设施选址-路径鲁棒优化模型,采用CPLEX进行求解。最后,设计不同算例进行数据仿真实验,证明了鲁棒优化方法在处理需求量和车辆运输时间不确定以及偏差鲁棒优化方法在处理设施点失灵风险的有效性和鲁棒性,进而为解决应急设施点的选择和救援物资的及时准确配送,增强应急物流系统的风险应对能力提供了有效的方法。     

考虑异质物资合车运输的灾后救援选址-路径-配给优化

研究灾后应急救援中的双层选址-路径-配给问题.针对灾害发生之后第一时间内各类型救援物资供给受限的情况,以救援及时性、综合满意度和物资供给公平性为优化目标,建立多工厂节点、多品种物资的考虑异质物资合车运输的多目标双层选址-路径-配给优化模型.采用融合差分进化和约束优化的方法,将多目标优化问题分解为三个单目标子迭代过程和一个多目标迭代过程,同时优化车辆行驶路线和需求节点物资分配方案.实验表明,采用合车运输的策略能够有效减少派出车辆的数量和车辆行驶时间.     

震后应急物流系统中的定位-路径问题

为尽可能降低地震灾害造成的损失和危害,应急物资必须在震后最短的时间内供应到各个救灾点。从系统整体优化的角度,研究震后应急物流系统中的定位-路径问题,同时综合考虑了震后应急物流系统的特性,以应急物资总运达时间与系统总成本最小为目标,构建了一个震后应急物流系统中的多目标定位-路径优化模型,并设计了一种混合启发式算法予以求解。通过算例验证了本文方法的可行性与有效性。     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

生鲜农产品多隔室冷链配送车辆路径优化

针对生鲜农产品需求呈现出的高鲜活度、多品种、小批量特性,越来越多的生鲜农产品配送商采用多隔室配送车辆进行生鲜农产品冷链物流配送。本文以生鲜农产品配送商配送成本最小化为目标,建立了生鲜农产品多隔室车辆路径优化模型,然后设计粒子群算法进行求解,最后通过实例验证了粒子群算法在求解生鲜农产品多隔室车辆路径问题时的优越性和稳定性。实验结果表明:粒子群算法不仅可以从配送成本实现对生鲜农产品多隔室车辆路径问题的优化,而且该算法具有良好的收敛性。     

B2C物流配送网络双目标模糊选址模型与算法

基于B2C"配送-退换同时"的物流模式及配送业务特点,集成设施选址-分配和路线优化,研究模糊需求下的B2C物流设施选址问题.针对选址-分配的模糊性和静态性、配送的确定性和动态性特征,以物流总费用为主目标函数,以配送中心流通费用、车辆派遣费用、配送费用总和为子目标函数,建立了有配送中心容量静态约束和车辆动态负载量约束的双目标模糊选址模型,设计了嵌入随机算法和禁忌搜索算法的遗传算法求解.选取合适的测试算例验证了算法的有效性,探讨了客户需求模糊区间宽度和商品退换率对物流选址结果和各项费用值的影响.实验结果表明,所设计的算法对解决这类复杂问题合理有效.客户需求模糊区间宽度与车辆利用率和车辆路线总长的波动区间、平均车辆路线总长度、配送费用正相关,且宽度较窄时,选址结果、车辆派遣费用和配送中心流通费用不变,超过一定范围,选址结果、车辆派遣费用和配送中心流通费用改变.商品退换率与流通费用和物流总费用正相关,但不会影响选址结果和其他费用.     

变动补偿的多模糊选址-路径机会约束模型及算法

针对同时具有模糊需求和模糊旅行时间,且有车辆容量、配送中心容量和时间窗约束的选址-路径问题,基于预优化和实时调整的两阶段策略,引入变动成本的概念,建立变动补偿的机会约束预优化模型.在实时调整阶段,考虑多模糊参数的联合影响,定义变动成本为因车辆剩余容量不足返回配送中心卸载的额外配送成本和因车辆实际到达时间超出客户时间窗的时间惩罚成本总和.鉴于多模糊参数影响的时间窗可信度计算复杂,且已将时间惩罚成本作为变动成本的一部分修正目标函数,去掉时间窗机会约束,设计一阶段模拟退火算法求解,贪婪聚类构建初始解,随机模拟法估算变动成本.测试算例验证了模型和算法的有效性.得出,该模型可弱化偏好值的影响,生成实时调整变动幅度小且整体最优的预优化方案,提高对不确定环境的风险抵抗力,且求解简单;该算法是求解此类问题的较好算法;研究成果为多模糊选址-路径问题提供新的求解思路.     

不确定条件下的应急物资配送选址-路径问题北大核心CSSCI

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

考虑供应商聚类的应急医疗物资协同配送仿真

针对突发公共卫生事件应急处置中存在的地方政府医疗物资储备不足、配送效率低下等问题,设计了一种考虑供应商聚类的两阶段应急医疗物资公私协同选址分配模型。在备灾时利用模糊聚类算法实现供应商聚类,并与政府建立合作机制以实现应急医疗物资联合储备;在救援初期依托政府和各类供应商的物资储备及运输能力,构建以最小化物流总成本与需求未满足率加权和为目标的选址分配仿真模型。设计改进的非支配排序遗传算法对此两阶段模型进行求解。以新冠肺炎疫情中武汉市医疗物资调度设计仿真算例,并对比有无供应商聚类对模型的影响。仿真结果表明：该模型在协调政府和供应商的应急医疗物资储备、运输以及调度决策方面具有优势。     

不确定条件下的应急物资配送选址-路径问题

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。     

应急物流系统中的随机定位-路径问题

为了提高突发公共事件应急物流系统的运作效率,考虑应急物资需求和救援车辆旅行时间的随机性,以及应急物资需求的紧迫性,基于机会约束规划方法建立了一个应急物流系统中带时间窗的随机定位-路径问题优化模型,设计了一种结合禁忌搜索和蒙特卡罗方法的混合遗传算法,并通过算例分析验证上述模型和算法的有效性。     

求解多旅行商问题的新混合遗传算法:以应急物资配送为例

为优化生物反恐条件下的应急物资配送过程,将该环境下的应急物资配送问题构造为一多旅行商问题(MTSP),并从理论上分析了该旅行商回路为最短Hamilton路径。以此问题为背景,针对应用传统遗传算法求解多旅行商问题时存在收敛速度缓慢等问题,提出并设计了一类新的混合遗传算法。该类新遗传算法与传统遗传算法的最主要区别在于,针对多旅行商问题专门设计了一种新的染色体编码规则、排序算子和交叉算子。仿真结果表明,该算法能够快速收敛到问题的近似最优解,并能很好地维持种群的多样性。     

多疫区多周期应急物资协同优化调度

针对突发公共卫生事件应急管理体系中应急物资需求的不确定性和连续性以及应急救援是一个同时在多疫区间展开的多周期救援过程这一实际, 提出了多疫区多周期应急物资协同优化调度方案.首先在分析传染病扩散规律的基础上, 结合传染病潜伏期的不确定性所引起的应急救援的时滞性, 采用纵向配送和横向转运相结合的协同配送模式, 构建了一类应急物流网络优化多目标随机规划模型; 其次采用遗传算法给出了该优化模型的求解算法; 最后通过仿真算例验证了模型及算法的有效性和可行性.     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.