第四方物流多目标路径集成优化

路径问题是第四方物流优化中的关键问题。针对第四方物流实践中需求的特点,基于路径选择和供应商选择的综合优化,提出第四方物流多目标路径集成优化问题,并建立以费用最小和时间最短为双目标的数学模型。进而,设计实现基本蚁群算法和动态调整选择策略的改进蚁群算法的求解方法。实验分析表明,在不同的目标偏好情形下,改进算法均能取得较好效果。研究为第四方物流路径集成优化提供了有效的工具。     

基于比例效用理论的第四方物流路径问题研究

不确定环境下的第四方物流路径优化问题,考虑到人们在不同情况下会有不同的行为特征,基于比例效用理论以及前景理论的价值函数,同时考虑运输任务的运输时间和运输成本,建立了第四方物流路径优化模型。分别采用枚举算法、蚁群系统和改进的蚁群算法对模型进行求解。通过算例,分析验证模型和算法的有效性。     

考虑蓄意攻击的第四方物流弹性网络设计模型

研究考虑蓄意攻击的第四方物流弹性网络设计问题.建立一个双层的第四方物流网络设计优化模型,上层模型确定网络结构,并在一定弹性水平下最小化网络成本,下层模型则通过选择攻击策略来最大化网络的攻击效果.设计了双层优化算法,上层概率解发掘算法求解网络设计问题,下层迭代局部搜索算法求解最优的攻击策略.最后,仿真实验结果表明模型的合理性和算法的有效性.     

考虑中转发车时间4PLRP的模糊规划模型与算法

针对运输过程转运需等待发车时间的实际问题,提供了一种解决方案.此方案目的是在指定交货期的前提下,选择满足客户要求的转运节点和供应商.为此,从第四方物流供应商角度,建立了以运输成本最小为目的,带有模糊处理时间且考虑中转发车时间的单点到多点多任务第四方物流路径问题(4PLRP)的模糊规划模型.在模型的求解上,首先将问题转化为清晰的等价模型,然后针对清晰化的模型设计了蚁群优化算法进行求解.实验分析表明提出的模型更加真实地模拟了转运需等待发车时间的运输情景,并且验证了该算法对解决此类问题的有效性.     

考虑客户时间偏好的第四方物流路径优化问题

为使第四方物流系统能够在不确定环境下为客户提供有效的运输方案,在一定费用投入下获得更高的客户满意度,研究考虑客户时间偏好的第四方物流路径优化问题.基于累积前景理论,以最大化总运输时间的前景值为目标,建立考虑客户时间偏好的数学模型,并采用蚁群算法对模型进行求解,数值算例验证了算法的有效性·并且,将该模型与传统的期望值模型和期望效用模型进行对比,算例分析表明,考虑客户时间偏好模型可以更有效地描述客户心理行为,并适用于具有不同风险态度的客户群体,验证了模型的有效性.     

带有随机运输时间和成本的4PL路径优化问题

针对复杂多变环境带来的第四方物流(4PL)运输时间和成本的随机性,研究带有随机运输时间和成本的4PL路径优化问题.在总运输成本约束下,以总运输时间最小为目标,建立期望值模型(EVM)以及机会约束规划模型(CCPM).进而,为提高模型求解效率以及鲁棒性,将CCPM转化为等价确定性模型(EDM).根据4PL选择路径过程中需要同时选择第三方物流供应商的特点,设计蚁群算法和带有替换策略的改进蚁群算法对模型进行求解.算例分析验证改进算法的有效性,并表明EDM在保证解的鲁棒性的同时保证了较高的求解效率.     

4PL模式下供应链资源整合决策的优化模型及算法分析

在第四方物流(4PL)模式下的供应链资源整合运作特征基础上,提出了基于主导因素评判的资源整合决策模式,建立了整合决策的优化数学模型,搭建了改进的蚁群寻优算法来实现整合决策优化过程的求解.最后通过算例仿真验证了算法的有效性与可行性.     

考虑客户拖期心理成本的4PL路径问题的模型与算法

针对不确定环境下客户有限理性行为带来物流运输方案可行性较差的问题,结合行为科学中对人的行为感知以及运筹学中定量的研究方法,研究考虑客户拖期心理成本的第四方物流(4PL)路径优化问题。基于前景理论,建立以客户期望时间、第三方物流(3PL)供应商运输能力和信誉为约束,最大化运输成本总效用为目标的优化模型,并采用改进蚁群算法进行求解。实例分析表明,模型的合理性和算法的有效性。     

可拆卸产品混合制造物流网络优化模型

针对可拆卸产品,将回收产品拆解、分类后重新利用,建立可拆解产品混合制造物流网络模型,用来确定各设施的位置、数量以及物流分配。该模型的特点是:多产品、多周期、有能力限制、产品可拆卸为备件、并将供应商考虑在模型之内的混合制造网络模型,将正向物流和逆向物流整合,并考虑运输整合,同时优化正向物流和逆向物流。通过一个算例验证模型的有效性。     

基于弹复性的交通网络应急恢复阶段策略优化

重大灾难的灾后恢复一般分为应急恢复阶段和全面恢复阶段,前者面临时间、资金、资源有限等多重困难.传统交通网络灾后恢复研究缺乏结合应急恢复阶段特点的针对性研究.为此,提出一种基于弹复性的交通网络应急恢复阶段策略优化模型.首先,提出两个弹复性度量指标,分别从网络性能恢复速度和累计损失两方面度量弹复性.然后,针对应急恢复阶段,同时考虑上层系统弹复性和下层用户行为的交互,建立交通网络恢复策略双层优化模型.结合并行机调度问题算法和用户均衡配流问题算法,设计一种特殊的交互式双层算法.最后,通过案例验证了模型有效性,表明模型和算法能根据资源、资金、恢复目标、决策者偏好等因素,有效求解大规模交通网络应急恢复阶段的最优恢复策略.     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型。运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法与遗传算法、粒子群算法以及基础的蚁群算法进行对比。实验结果表明：改进的混合贪心蚁群优化算法能够有效处理动态路由问题,寻求到更高的救援效率。     

基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题,研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足,以智能回收箱为研究对象,考虑多频次回收和车辆共享调度策略,提出基于产品回收定价的逆向物流车辆路径优化方案。首先构建了智能回收箱回收量与回收定价的线性函数,然后构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型,并建立了回收中心产品的最大化收益模型。其次,根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的K-means时空聚类算法,进而提出一种改进的GA-PSO混合算法。该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补,同时采用了精英保留策略,增强了混合算法的搜索性能,并通过与HGA、GA-TS和HACO等算法进行比较分析,验证了模型和算法的有效性。最后,结合重庆市某智能回收物流网络的实际数据进行优化研究,分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明,本文所提出的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度,并可在回收中心获得...     

基于蚁群优化的多物流配送中心选址算法

提出了一种解决多物流配送中心选址问题的蚁群算法模型,该模型将物流配送中心选址映射成一个聚类过程,利用蚁群系统中蚂蚁通过信息素寻找最优路径的机制,以物流配送的总成本最低为聚类准则,结合蚂蚁将物体聚堆的行为模式来定义蚂蚁的转移概率、禁忌列表和信息素更新方式,实现基于蚁群优化的物流配送中心选址算法.对多配送中心选址进行了仿真实验,实验结果表明本算法能获得与实际情况相符的配送中心最优解,且适合多种不同的配送中心模型和大规模的配送中心选址,具有较强的灵活性.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。     

Bayesian network learning algorithm based on unconstrained optimization and ant colony optimization

Structure learning of Bayesian networks is a wellresearched but computationally hard task.For learning Bayesian networks,this paper proposes an improved algorithm based on unconstrained optimization and ant colony optimization(U-ACO-B) to solve the drawbacks of the ant colony optimization(ACO-B).In this algorithm,firstly,an unconstrained optimization problem is solved to obtain an undirected skeleton,and then the ACO algorithm is used to orientate the edges,thus returning the final structure.In the experimental part of the paper,we compare the performance of the proposed algorithm with ACO-B algorithm.The experimental results show that our method is effective and greatly enhance convergence speed than ACO-B algorithm.     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.