客货共运模式下高铁列车货运兼办方案优化

以当前高铁快递运输的客货共运模式为背景,研究高铁列车货运兼办方案优化问题.通过分析客货共运模式下货运办理站选择对货物运输、客运列车时刻表与停站方案的影响,以货运办理站选择、货物运输、列车时刻表与列车停站方案为主要决策变量,以极小化旅客旅行时间和未满足货物惩罚成本为目标,构建客货共运模式下基于货运办理站方案选择的货物运输与列车时刻表、列车停站方案一体化优化混合整数线性规划模型.当给定货运办理站选择方案时,本文所构建模型即可转化为传统的客货共运模式下货物运输方案优化模型.以武广高铁为例,设计数值实验,采用C++语言编写程序调用Cplex优化软件对模型进行求解,验证了模型的正确性与合理性.算例结果表明：通过对货运办理站、货物运输方案、列车时刻表和停站方案进行一体化优化,可在尽可能减小货物运输对客运影响的基础上,充分利用高铁线路列车时空上剩余能力,在旅客旅行时间仅增加0.68%、列车停站数量仅增加1.24%的情况下,运输近68%的货物需求,增加铁路部门收益.     

基于聚类蚁群算法的物流最优路径

在物流网络系统中,物品的配送是重要的一环,一个科学的物流配送路径,不仅能在一定程度上降低物品的配送时间,而且能有效的降低运输资源的占用,这极大的降低了物流企业的运营成本。针对物流配送路径的最优解问题,有大量的学者进行了相关研究,主要有遗传算法、蚁群算法、生物地理学算法等,其中以蚁群算法应用最为广泛;但这些算法都只是在物流运输的路径上进行优化,并没有考虑空载率以及客户对送货时间的要求。为了克服此缺点,本文在蚁群算法的基础上加入空载率和时间窗的要素,对传统的蚁群算法进行优化。实验结果表明,与传统的蚁群算法相比,该算法可以有效的节约物流运输资源。     

基于遗传算法的甘肃省应急物流配送路径优化研究

为研究自然灾害发生后应急物流路径优化问题,利用运筹理论建模技术,综合考虑配送时间、辐射范围和需求量的情况下,构建了以配送车辆数最少和路径最短为目标的配送模型,以节约物流成本前提下实现高效配送,在满足多个约束条件下应用遗传算法对模型进行求解,借助于MATLAB平台编程实现,通过具体案例设置不同的实验参数运行程序进行比较分...     

基于改进蚁群算法的双向物流路径优化

针对物流路径优化已有算法运算过程复杂、精度不高、过早收敛等问题,对蚁群算法进行了改进,以解决物流路径优化问题.为了消除蚁群算法的易停滞、收敛慢等问题,从蚂蚁转移策略、信息素更新方式以及遗传算法的融合等方面对算法进行了改进.针对双向物流的路径优化问题,通过增加启发函数、设计转移策略等方面来改进蚁群算法,使得算法能更好地考虑综合因素来进行搜索,能够更全面、更准确地找到合适的下一节点,从而得到更优的路线.     

基于禁忌搜索算法的物流系统车辆路径优化

增强物流企业的市场竞争力,提高配送效率、优化配送车辆路径、降低配送成本、增强客户满意度是关键。考虑到物流系统配送的现状,在传统配送路径模型的基础上加入软时间窗约束、配送车辆额定工作时间约束来分别反映客户的满意度、车辆的工作状态,以运输费用、非时间窗内服务产生的惩罚成本、车辆超时工作的折损成本、车辆启动成本4部分之和为目标函数,构建了带软时间窗的物流系统车辆路径模型。针对问题,在禁忌搜索算法的基础上,设置4种邻域变化规则来改进局部搜索;在有无时间窗条件下,分别用MATLAB对算例求解,比较配送路径的最佳方案与最低成本,验证模型和算法的有效性。     

新零售模式下单中心物流配送路径优化研究

针对新零售模式下单中心物流配送路径规划问题,综合考虑运输成本、道路拥堵程度和配送业务的时效性建立优化模型,并通过改进遗传算法求解. 算例结果表明,改进遗传算法实现的模型效率更高、求解质量更佳.     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题,以总配送成本最小化和客户满意度最大化为目标,提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点,结合粒子群算法生成种群方式,设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验,结果表明,所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题,且改进算法性能更优,同时分析了总配送成本与客户满意度之间的关系,为冷链物流企业带来一定的管理启示。     

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:...     

基于供应商管理库存模式的配送路径优化问题

基于供应商管理库存(VMI)模式制定科学的产品配送决策,可以合理优化库存水平、有效提高物流运输效率。本文针对VMI模式下的配送路径优化问题开展研究,考虑客户的产品消耗率和服务时间窗等因素,以总配送成本最小为目标,建立混合整数规划模型,并设计了贪婪算法;首先利用Gurobi求解器对小规模算例进行求解,分析VMI模式的优越性,结果表明,基于VMI模式的配送路径规划方案可以有效减少库存水平,降低总配送成本;然后利用中等规模算例分析贪婪算法的求解效果,结果显示,对于40个点的中等规模算例,求解器在240分钟内无法得到最优解,而贪婪算法可以在0.2秒之内得到近似最优解。     

一种改进粒子群优化算法在车辆路径问题的应用研究

基于集合的粒子群优化算法(set-based particle swarm optimization,S-PSO) 主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO (enhanced S-PSO)算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目(number of vehicle-route,NV)和总里程(total distance,TD)上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)均有大幅度降低。     

带时间窗的4PL路径优化问题的两阶段求解

以第四方物流(fourth partylogistics,4PL)为背景,针对带有时间窗约束的4PL路径优化问题,设计了一个两阶段算法.该算法首先根据和声搜索算法的优化机制在配送网络多重图上产生一个简单图,然后采用删除算法求出简单图上的前K条费用最短路径.该算法能确保产生的解是合法的连通路径,不需要对非法路径进行修复,能保留解的信息且节省大量的计算时间.对不同规模的3个算例进行求解,并与传统的和声搜索算法和枚举算法进行对比分析.结果表明,本文算法的求解效果优于传统的和声搜索算法和枚举算法,是求解该类问题的有效算法.     

基于改进粒子群优化算法的逆向物流选址与路径问题研究

综合考虑逆向物流中的车辆路径问题和选址分配问题,首先分析问题的特点,并建立问题的数据模型,然后提出一种基于贪心算法的改进粒子群优化算法.实验结果表明,新算法能够以较快的收敛速度得到问题的近似最优解,是解决该类问题的有效方法.     

军事应急物流中多目标路径优化的研究

本文从军事应急物流的定义和特点出发建立了多目标的路径优化模型,并基于遗传算法总结归纳了解决多目标路径优化问题的三种方法。     

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.     

基于改进蚁群算法的物流车辆调度问题研究

传统蚁群算法在求解中容易出现搜索时间长、收敛过早或停滞现象,为克服这些缺点,通过对蚁群算法进行选择策略、信息素更新等方面的改进,以加快算法的收敛速度,提高算法的搜索能力。再将改进后的蚁群算法引入物流运输车辆调度、综合车辆调度理论,对物流运输车辆的优化调度进行了探讨,对有时间窗车辆调度问题(VSPTW)探求新的求解方法,运用Matlab语言进行编程实现,应用实例对算法进行验证。实践证明,改进后的蚁群算法基本上克服了一般蚁群算法自身的不足,提高了算法的性能。     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

堆垛约束下基于偏序的路径优化时间窗松弛方法

在求解车辆路径优化问题时,通常使用时间窗对任务之间的偏序关系进行建模,设计带时间窗约束的路径优化模型与算法,然而时间窗约束与偏序约束是不等价的．在集装箱码头堆垛作业背景下,针对时间窗约束的路径优化模型,提出将时间窗约束转化为偏序约束的松弛方法,并据此设计偏序约束的路径优化模型．在分支定界算法框架下,研究时间窗约束与偏序约束之间的关系,对两种模型的特征进行分析．采用Solomon数据集进行数值分析,验证两个模型在寻优能力与性能之间的差异．结果表明,偏序模型具有更好的优化性能,但是时间窗模型具有更好的计算时间性能,通过时间窗紧缩的特征分析发现基于时间窗分解设计偏序模型求解算法是新的研究方向．     

基于地铁的城市物流配送路径优化

为了应对日益增长的快递需求,缓解货运车辆加重的城市交通拥堵,提高城市配送效率,本文提出了整合地铁资源进行城市物流配送的构想。本文将从企业和用户的角度出发,考虑地铁与末端地面配送车辆的容量限制,以运输成本、车辆成本和时间成本最小为目标函数建立多目标优化模型,优化地铁列车班次的客户分配和末端地面车辆的路径选择,更加符合实际。然后采用遗传算法对模型进行求解。最后以南京市地铁2、4号线为例,验证了模型和算法的实用性及有效性。结果表明,基于地铁的城市物流配送的总成本远低于单独货车配送,具有较强的应用价值。     

基于改进的蚁群算法的物流拣选路径优化

提出了一种改进的蚁群算法来解决物流拣选路径的优化问题。通过实验室模拟环境,用Matlab7.0进行了某次拣选作业仿真,取得了最优路径。与基本蚁群算法相比,所提出的方法能更快地找到最优解。     

冷链物流配送路径优化模型及改进算法

本文针对易腐食品的配送问题,指出了冷链物流的概念及重要意义。在研究配送过程中固定成本、运输成本、货损成本及惩罚成本的基础上,给出带时间窗的冷链物流配送的成本模型,探讨路径优化算法,通过实例验证了模型及算法的准确性。