多车场车辆路径问题及混合遗传算法

在多车场车辆路径问题中,综合考虑车辆的行驶路程和使用车辆的数量能有效降低配送成本,考虑了这两方面的因素建立了相应的数学模型,运用混合遗传算法进行了求解,并通过实例证明了模型和算法的有效性。     

车辆路径优化问题的均衡性

研究车辆路径优化问题中配送线路之间的均衡性可以提高配送服务质量。利用C larke-W righ t算法,结合打包原则和装配线线均衡算法的思想,设计出一种称为θRC的启发式算法来处理两个目标的车辆路径优化问题:一是最小化总距离,二是均衡各条线路间负载。该算法包括3个主要部分:θ约束,R运算和C运算。将该算法应用于一个有38个用户的物流配送公司的配送路线求解,结果显示该算法在总路径增长12%的情况下,实现均衡值降低85%。该算法能较好实现车辆路径优化求解中的负载均衡。     

共享经济下车货匹配平台定价策略

为了提高车货匹配平台的服务水平与竞争优势,分析了共享经济下车货匹配平台的运输服务供应商特质,将运输服务供应商划分为专业型和非专业型两大类,在考虑两者交叉网络外部性差异的基础上,构建了竞争环境下车货匹配平台的Hotelling博弈模型。通过研究发现,若双边用户单归属,则车货匹配平台对两类供应商收取相同注册费;若供应商多归属,则车货匹配平台倾向于对非专业型供应商收取的注册费高于专业型供应商;且采取供应商先加入策略对车货匹配平台更为有利。     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征，结合该问题的分类，介绍了该问题国内外的研究现状，指出了目前算法的搜索效率低并依赖于初始解的局限性，给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。     

区域配送中车辆路径优化的实证研究

区域配送是普遍存在的物流活动,配送路径优化是配送系统优化的关键.区域配送中的路径优化问题实质是最短路径问题和起讫点相同的单车场非满载有时间窗约束的车辆调度问题,以H公司为例,采用Excel建模法和节约法对区域配送中的车辆路径优化进行了分析和实证研究.     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议.     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议.     

随机车辆路径问题综述

描述了随机车辆路径问题的历史、发展进程和特征,结合该问题的分类,介绍了该问题国内外的研究现状,指出了目前算法的搜索效率低并依赖于初始解的局限性,给出了对求解算法的进一步研究以及把研究成果应用于实际问题中的研究方向和建议。     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

有时间窗物流配送车路径问题的单亲遗传算法

为了更好地解决物流配送中有时间窗的车辆路径问题(Vehicle Routing Problem with Time Window,VRPTW),在分析车辆路径选择的重要性及现存遗传算法进行路径选择的基础上,提出应用单亲进化遗传算法求解VRPTW的模型。利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,从而求得最优的路径。经实验验证,该算法可以有效、快速地求得VRPTW的全局最优解。     

配送中心选址与车辆路径问题的优化

为了克服蚁群算法(Ant Colony Optimization,ACO)搜索初期信息匮乏、信息素累积时间长、求解速度慢的缺点,结合具有快速全局搜索能力的遗传算法(genetic algorithm,GA),同时引入混沌搜索和平滑机制,采用混沌搜索产生初始种群可以克服生成大量非可行解的缺陷,加速染色体向最优解收敛,平滑机制有助于对搜索空间进行更有效的搜索,构成混沌蚁群优化算法(Chaos Ant Colony Optimization,CACO)。建立物流配送中心选址(logistic distribution center location)与车辆路径问题(vehicle routing problem,VRP)的数学模型,分别应用CACO和GA求解,对50客户规模的问题模型仿真,结果表明CACO优于GA。     

车辆路径问题的蚁群算法研究

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出蚁群算法在车辆路径问题中的应用,针对蚁群算法存在的过早收敛问题,引入节省量以及车辆载重利用率两种启发式信息对蚁群算法加以改进,并加入2-opt方法对问题求解进行局部优化,计算机仿真结果表明,这种混合型蚁群算法对求解车辆路径问题有较好的改进效果.     

基于蚁群算法的生鲜电商冷链低碳配送路径优化研究

针对生鲜电商冷链物流“最后一公里”末端配送环节存在的成本高、响应速度慢等问题,综合考虑该过程中的固定成本、运输成本、制冷成本、碳排成本、惩罚成本等,建立以总成本最低为优化目标的生鲜电商低碳配送模型。通过改进初始信息素分布和信息素更新方式优化蚁群算法,实例验证结果证明了上述模型和优化算法的有效性,进一步通过MATLAB求解得到车辆配送的最优路径,为生鲜电商冷链的低碳配送决策提供参考。     

基于顾客时间满意度的车辆路径问题

考虑到普通带时间窗约束的车辆路径问题(vehicle routing problem with time windows,VRPTW)模型不能真正反映顾客对时间的偏好,故在车辆路径优化模型的基础上,结合顾客时间满意度函数,同时放松需求点经过即被服务的约束限制,允许多次经过同一需求点的情况发生,而需求点只能被同一辆车服务一次,建立了基于顾客时间满意度的车辆配送(vehicle routing problem with satisfaction,VRPWS)模型,并利用模拟退火算法编程求解.为验证VRPWS模型的有效性进行了数值实验.实验结果表明:与传统的带软时间窗约束的车辆路径优化(vehicle routing problems with soft time window,VRPSTW)模型和VRPTW相比,VRPWS模型配送效益提升了170.0%和3.2%.分析结果表明该工作在一定程度上有助于物流企业在配送过程中提高顾客满意度和降低运输成本.     

基于收益共享合约的库存路径问题研究

文章研究了需求确定情形下扇形供应链的库存路径问题,通过C-W节约算法与遗传算法相结合的混合并行遗传算法,分别得出了独立决策下和采用协调策略下的最优补货周期和配送路径,对2种情形下供应链的利润进行了对比分析,得出采用收益共享合约可以提高供应链系统及各个成员的效益,并给出了利润分配因子的取值范围,最后以奇瑞汽车备件库所搜集的数据为算例,对算法的有效性进行了分析和验证。     

需求可拆分车辆路径问题的蜂群优化算法

文章研究了需求可拆分的车辆路径问题,通过解除传统车辆路径问题中每个任务点需求只能由1辆车满足的约束,建立了寻求满足配送要求最短行驶距离的数学优化模型,在改进反应阈值和刺激信号值的基础上提出了一种新型蜂群优化算法。仿真实验结果验证了算法的可行性,并通过与其他典型算法对比凸显了该算法较强的寻优能力。     

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.     

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。     

车辆与无人机混合编队的路径优化问题模型构建

为研究无人机与传统车辆配送融合的混合编队问题,即车辆与无人机混合编队路径优化问题(vehicle-drone routing problem,VDRP),梳理了近年来国内外针对无人机与车辆配送路径优化的相关数学模型构建方法,据此提出在传统旅行商模型(traveling salesman problem,TSP)和车辆路...     

货物不相容车辆路径问题的优化

考虑现实生活中每个客户定制的货物不可用同一辆车混装,或者多个客户的货物不可混装的问题,建立了基于车辆载重、行驶里程、多种车型等约束条件的货物不相容的多车型车辆路径问题的数学模型,应用基于精英选择、混沌变异及模拟退火机制的混合遗传算法求解。将该算法应用到benchmark算例上,并与分支定界算法求解的结果比较,结果表明提出的算法优于分支定界算法。