考虑模糊需求的多式联运路径优化

多式联运可有效降低物流成本,提高物流效率.本文构建了基于运量不确定的多式联运网络规划,以节点作业时间窗和运输时限客户满意度为约束,建立了以总费用最低为目标的多式联运路径优化模型,从运输路径和运输方式两个维度选择广义最短路径.应用Lingo 12.0实现模型的求解,实验结果表明了多式联运相较单一运输方式在运输时间与费用上的优越性,并应用灵敏度分析法,对比了仅考虑运输时限约束时客户满意度的变化,展示了运量的不确定性及运输弧与节点能力对路径规划产生的影响,揭示了客户满意度、网络能力、运输路径与费用等因素的相互关系,验证了所建模型的合理性.     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性...     

低碳环境下的集装箱多式联运路径优化

世界各国都在大力推进低碳经济的发展,以此来减少能源消耗保护环境.本文在低碳环保节能减排,考虑二氧化碳排放量的大背景下,针对阳光鲜(大连)有限公司出口至波士顿的一批冷冻鱼片的集装箱多式联运运输方案进行优化.使得运输方案更好地发挥集装箱多式联运的优点,尽可能降低二氧碳排放量,实现低碳环保与高效运输的有机结合,为企业选择运输...     

基于模糊机会约束规划和鲁棒优化的绿色多式联运路径优化研究

【目的】探究在运输时间、中转时间、等待时间和运输货损率混合不确定条件下的绿色多式联运路径优化问题,为绿色多式联运路径决策提供理论依据。【方法】在考虑运输过程中碳排放和噪声污染的基础上,以最小化运输成本、运输时间、碳排放量、噪声污染以及货损量为目标建立不确定条件下的绿色多式联运路径优化模型,并将其扩展为模糊机会约束模型及鲁棒优化模型来处理不确定参数。使用MATLAB编程并调用CPLEX对算例进行求解,得到多式联运路径优化方案。对置信水平进行灵敏度分析,并将鲁棒解与确定条件下的最优解进行比较,验证所建模型的鲁棒性。【结果】将优化方案的计算结果与5个目标函数的最优值进行比较后发现：由模型所得最优运输方案的计算结果与各目标函数最优值之间的相对距离分别为0.096 4、0.027 1、0.194 6、0.018 4、0.032 7,均接近最优值。【结论】本研究所建模型能降低多式联运的决策风险,也能为决策提供合理、有效的依据。     

模糊需求环境下考虑碳排放成本的库存管理

在模糊需求下建立了包含碳排放单价不变和可变的最优订货批量模型,根据库存成本控制模型求解最佳订货点和最优订购批量,使得库存成本最小。算例结果表明,在碳排放单价随着碳排放量发生变化时,库存成本会不断上升。因此企业更需要重视碳排放量给企业库存成本带来的影响。     

多式联运的法律解读

多式联运是与单式运送相对应的一种运输形态,随着集装箱运输的广泛使用,其已成为货物运输的主要方式;但其用词、概念、特征在实务中一直存在争议,这直接影响了多式联运效用的发挥及其主体之间的权利义务。统一多式联运的用词及其所具有的“一张单证“、“一个负责方“、“一个合同“、“使用至少两种以上运输方式“的特征具有重要意义。     

多式联运的法律解读

多式联运是与单式运送相对应的一种运输形态,随着集装箱运输的广泛使用,其已成为货物运输的主要方式;但其用词、概念、特征在实务中一直存在争议,这直接影响了多式联运效用的发挥及其主体之间的权利义务。统一多式联运的用词及其所具有的“一张单证“、“一个负责方“、“一个合同“、“使用至少两种以上运输方式“的特征具有重要意义。     

基于改进烟花算法的中俄商品多式联运路径优化

中俄双边贸易随着"一带一路"倡议的深入落实呈现出稳定增长的态势,商品需求量的增多以及需求时间的多样化使得商品运输方式发生了重大转变,运输方式由原来的单一运输转变为现在的多式联运.通过多式联运构建综合交通运输方案,既能够满足商品需求量的激增以及商品需求时间的多样化,同时又能够发挥不同运输方式之间的优势,形成优势互补.为了求解多式联运物流路径优化问题,本文以中俄贸易区间的运输路线与运输方式为研究对象,综合考虑中俄贸易区间的商品种类、需求特点以及运输方式,建立了以运输成本、运输时间、碳排放量为优化目标的多目标优化模型.针对中俄贸易实际运输情况,本文仅考虑公、铁、海3种运输方式之间的多式联运,同时针对所构建模型的随机性和隐并行性,设计了求解该模型的改进烟花算法(improved FWA).通过以中俄两国之间的多品类商品运输为例进行算例分析,获得了多式联运运输路线的Pareto非劣解以及相应的运输成本、运输时间和碳排放量,并且与基本烟花算法进行对比,验证了模型和改进算法的有效性.同时,本文以运输时间作为灵敏度分析变量,分析不同时间需求下,运输方案在运输成本、运输时间和碳排放量3个属性之间的变动趋...     

混合不确定条件下多式联运路径优化

针对运输时间及需求不确定的多式联运路径优化问题,综合考虑货运过程中节点作业时间窗、运输方式固定出发时刻及终点处的收货时间窗约束,采用基于情景的鲁棒优化方法,建立以运输、中转和仓储费用之和最小的多式联运路径优化模型,设计遗传算法并进行有效性检验.通过算例研究比较不同模式下多式联运的运输方案及成本,并探究鲁棒优化解的质量与遗憾系数、随机数波动范围的关系.研究结果表明：节点时间窗的存在和改变会导致运输成本和运输方案的变化,混合不确定条件下的多式联运路径鲁棒优化受到遗憾值约束及不确定因素波动范围的影响,将导致运输成本增加.由此,多式联运决策者需预判不确定因素的影响、选择合适的最大遗憾值、关注节点混合时间窗约束以降低成本提高效率.     

应急物资多式联运鲁棒路径优化

为解决灾后应急物资多式联运路径优化问题,考虑到应急物资运输网络的不确定性,针对各种运输方式的发班时刻限制,建立了不确定环境下带班期限制的应急物资多式联运鲁棒路径优化模型。同时考虑到计算机求解的NP难问题,设计了大变异遗传算法以及自适应遗传算法进行求解,并通过数值案例,对两种算法的求解结果进行了对比分析。研究结果表明：本文所设计的模型及算法可在不确定环境下快速选择出一条时效性好、鲁棒性强的应急物资调拨路径。     

成本和时间约束下的集装箱运输的碳排放研究

随着中国集装箱吞吐量的不断增长,集装箱运输过程中产生的碳排放问题日益加剧。在对集装箱多种运输方式优化组合,建立加入多集装箱载货状态的成本,时间和碳排放的多目标规划模型,运用逐步法对模型进行求解。针对集装箱运输过程中差异需求,通过对成本和时间设置不同的约束,使得集装箱在运输过程中选择不同运输方式组合,从而达到碳排放量最少的目标。为实现集装箱运输企业不同需求下实施的碳排放控制策略提供科学依据。     

JIT环境下考虑运输成本的一种供需综合物料采购模型

从JIT系统物料采购供需双方互利互惠、长期合作的观念出发,构造了一种成批生产、多次发运的综合物料采购模型.模型以单一供应商、单一采购商、单一产品为背景,通过对供需双方集成后总成本的研究分析,确定了最优生产批量、最优运输批次和运输批量.为了更好的辅助决策,在表示总成本时,运输成本以全单位价格折扣的形式在总成本中显性地表示出来,从而更有效地降低供需双方的总成本.     

模糊需求车辆路径优化及实时调整

针对模糊需求车辆路径问题,在需求未明的预优化阶段,基于可信性测度理论建立预优化模型,设计混合分散搜索和变邻域搜索的变邻域分散搜索算法求解;在获知实际需求的实时调整阶段,提出一种新的实时调整策略,采用随机模拟算法模拟可能场景的实际需求.算例仿真结果表明,变邻域分散搜索算法是求解该类问题的较好算法,新策略能实现较优的实时调整.     

一种求解带约束多式联运问题的群智能算法

针对如何有效运用群智能算法求解多式联运问题,设计了一种针对群智能优化算法的个体解码方式,提出了一个有效的个体编码与多式联运方案的映射模型.在该映射模型中设计了基于比例的流量分配方式,实现了个体编码信息向初步流量分配方式的解码;同时构建了局部流量调整策略,进行不可行方案修复,提高了解码方案的有效性.而后,提出了一种变邻域粒子群算法,将社会网络演化特征引入进行粒子群算法的种群拓扑和邻域调整,以改善个体在搜索过程中的交互模式.基于解码策略,采用改进算法对多式联运问题进行求解,并与3种新型群智能算法进行对比.通过实例分析,该编码策略可以有效应用于多式联运问题求解.同时,变邻域粒子群优化算法的收敛效率和性能优于对比算法.     

耦合投资-风险目标的水电工程进度模糊综合优化

综合考虑利率和物价上涨因素对水电工程总投资的影响,建立了耦合投资一工期风险目标的进度综合优化模型．为了公度投资和工期风险对决策目标的模糊效用,提出了基于Vague集的工程进度模糊综合优化方法,并采用遗传算法对这一整数型非线性多目标优化问题进行求解．针对某水电工程开展实例研究,给出了最佳进度安排下的工程总投资、利息、物价上涨准备金、工程完工风险及相应的资金流曲线．本文方法可为水电工程进度优化与决策提供一条新的有效途径．     

Supply China Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

Supply Chain Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.