定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.     

选址路径问题及其优化算法综述

本文叙述了物流系统中选址运输路径安排问题（LRP）的含义、发展历程,重点阐述了求解LRP优化算法的机制,并对LRP的未来研究方向作了分析。     

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.     

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·     

基于地理信息系统的大规模设施选址和路径规划

为合理选址和对路径进行规划,以地理信息系统(GIS)为基础,对大规模设施选址和路径规划问题(LRP)提出一种新的算法,该算法在计算时间上优于精确解法和传统启发式方法,且在精度上保持了较高水平.实践证明,新算法结合禁忌搜索可以有效解决大规模实际LRP问题.     

一个具有仓库容量选择的两阶段设施选址问题的模型及算法

设施选址及其规模选择优化对供应链的长期战略成本和运营成本有着重要影响,是提高企业利润和竞争力的关键决策之一,也是运筹优化领域研究的热点与难点.针对已有的两阶段设施选址问题(two-stage facility location problem,TSFLP)研究中缺乏对设施容量选择的优化,在设施选址问题基础上引入了设施容量选择的优化,同时确定了工厂的位置、仓库的位置和容量、从工厂到仓库的产品流以及客户到仓库的分配,建立了以最小化总成本为目标的混合整数规划模型,并基于模型特点设计了适合求解此问题的拉格朗日松弛(Lagrangean relaxation,LR)方法和混合变邻域禁忌搜索(hybrid variable neighborhood tabu search,HVNTS)算法.基于随机生成的大量具有不同参数的实例,验证了所提出的算法可有效求解大规模的、且需同时优化设施选址及容量选择的问题.     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

单纯形蚁群算法对带时间窗车辆路径优化问题的研究

研究了单纯形蚁群算法解决带时间窗约束条件的车辆路径问题,旨在突出研讨在运输中不仅距离最短,而且使应用的时间尽可能的少.首先建立时间、距离对搜索路径的影响函数,然后用单纯形蚁群算法解出最优路径.简单介绍了运输的现状,提出了物流双向运输的数学模型及单纯形蚁群算法,得出了物流运输最经济的合理路线结论.     

定位路线与库存组合优化问题研究

定位路线问题是定位配给和车辆路线问题的集成决策,库存水平对定位和路线问题有重要影响.本文在分析物流系统总成本的基础上,建立了随机需求的定位路线与库存组合优化问题的数学模型.针对模型的NP-hard属性,设计了两阶段启发式算法:第一阶段用先路线后定位的方法求得初始解;第二阶段用交换法对初始解进行改进,库存控制变量在每次路线优化时根据订货费用、缺货费用和运输费用而迭代求得.最后通过实例计算,定位-路线-库存集成优化结果与定位-路线和库存独立优化时的方案相比,大大降低了物流系统成本,从而证明了物流系统优化时考虑库存策略的重要性,同时表明了该算法在求解此类问题时的可行性和有效性.     

基于混合算法的多目标多式联运路径选择问题研究

针对多目标多式联运路径选择问题,在综合分析多式联运现状的基础上,集成考虑运输成本、运输时间以及物流服务质量3个方面因素,构建混合整数规划模型,其优化的目标是最小化运输成本、运输时间的同时,最大化物流服务质量;考虑到客户的不同侧重点和差异化需求,确定3个目标的权重,设计遗传算法和蚁群算法相结合的混合算法对模型进行求解.以"西安—柏林"为例进行算例分析,将所求结果与遗传算法、蚁群算法进行对比,结果表明:当客户对时间和成本重视程度较高时,混合算法、遗传算法和蚁群算法求得最优解的迭代次数分别为164次、170次和183次,最优路线为西安—郑州(铁路)—大连(铁路)—鹿特丹(水路)—柏林(铁路);当客户对时间和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为112次、117次和150次,最优路线为西安—重庆(公路)—柏林(铁路);当客户对成本和物流服务质量重视程度较高时,3种算法求得最优解的迭代次数分别为115次、120次和160次,最优路线为西安—郑州(铁路)—深圳(铁路)—鹿特丹(水路)—柏林(铁路).研究表明:设置不同的目标权重时,模型和混合算法均能够有效地为多目标多式联运路径选择问题提供实用性的优化方案和路线参考.     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.     

不确定信息条件下制造/再制造物流网络优化设计

针对制造/再制造集成物流网络中回收产品的数量及质量的不确定性,提出将回收产品按质量等级分为可用于再制造和需要报废处理两类,并将其数量都看成随机参数.以投资成本和运输成本最低为目标函数,建立基于机会约束条件的随机规划模型,以确定物流设施的数量、位置和物流量.提出采用混合智能算法直接求解,避免现有研究中将机会约束规划转化为确定性等价类所带来的问题.通过算例验证了模型及算法的有效性.     

地下物流多级节点选址的双层规划模型

地下物流系统逐渐成为缓解城市交通问题的新思路,其中地下物流节点选址是其中的关键问题。利用分级配送的原则,首先基于聚类算法依据货物需求情况对城市进行区域划分。然后,在保证地上交通畅通的情况下,构建了基于双层规划的多级地下物流节点选址优化模型,并利用模拟退火-贪心算法求解一级、二级物流节点位置及各节点间可运输的最大货运量。最后,通过分析算例,验证了该地下物流多级节点选址模型的正确性和实用性。     

基于蚁群算法的物流配送路径优化研究

在实际生活中,如何选择最优的物流配送路线是物流车辆调度系统中最重要的问题之一。首先,针对物流配送路径优化问题,充分考虑了车辆路径的约束条件,以成本最小化和最大限度减少碳排放量构建了一种路径规划多目标优化模型;然后利用蚁群算法对其进行了求解,该算法在问题空间的多点同时开始独立的解搜索,保证了算法具有较强的全局搜索能力,并且具有较强的鲁棒性;将该算法应用到实际问题上运用MATLAB软件进行实验仿真,计算出最优的车辆配送路径方案;仿真结果表明:该模型和算法能较好地解决相关物流配送路径问题,从而提高物流服务的质量。     

蚁群算法及其在物流系统中的应用研究

分析了蚁群算法在物流系统车辆路径管理中的应用,展望了蚁群算法在其他物流系统优化中的应用,指出通过应用蚁群算法可降低物流成本、提高经济效益。     

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.