时效性物流联运方式选择模型及其算法

在满足用户需求约束下合理选择运输方式是物流管理的一个核心问题.结合各种运输方式的技术经济特点,以实现时效性物流整体费用最小化为目的,建立了在时间和容量约束下的多式联运方式选择的0-1整数规划模型,该模型在多节点、多种运输方式的情况下是NP-Complete问题,常规算法难以求解,故设计遗传算法予以求解.算例显示,通过联合运输的方式可以从整体上达到物流最优,不仅可以实现物流的实效性,也可以降低物流成本.     

考虑路径可行性与仓储集货模式下的回收车辆路径问题研究

逆向物流回收车辆调度过程中,往往出现由于需求节点位置及需求量信息的不确定性导致难以合理决策完成回收任务所需派出回收车辆的数目,此时,第三方物流逐渐被应用于回收产品的运输服务中。然而在实际的回收过程中,通常各物流需求节点的需求量较小,需要对多个物流节点的产品集中后统一进行处理;同时由于外界因素的限制,不能保证任意两个节点间均存在可行路径,需要通过中转运输的方式寻找替代路线。针对以上问题,本文提出一种基于路径可行性与仓储集货运输模式的回收车辆路径设计方案,并根据问题的特点对传统蚁群算法（ACO）中编码方式以及概率选择操作方式进行改进,提出一种逆选择操作蚁群算法（ACO-nso）。最后通过算例证明提出模型与算法的有效性。     

带三重容量限制的中转物流选址-分配模型

本文分析了一类带三重容量限制的物流选址一分配问题(LAP):在物流网络受边最大单批通行容量、物流中心最大吞吐容量和运输工具总运输容量等三重容量限制下,如何进行中转运输的物流中心选址和相关资源分配,使总的费用最小.模型假设网络系统满足如下条件:商品只能用不同运输工具经过某一物流中心进行中转运输.本文建立了混合整数规划模型,提出了一种先进行选址然后进行资源分配的优化算法,并用优化算法对一个实例进行了求解.     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

物流企业开发货源的探析

物流企业存在开发运输货源、淡旺季，怎样提高旺季客户的满意度、有效开发淡季货源，是目前的一个运作问题。针对这一问题，本人提出了运用ABC产品分类、20／80客户分类、旺季采取措施确保客户的满意度，对业务员提成改进等措施，使物流企业在淡、旺季有利有节地开发市场，开发客户，进一步实现企业盈利。     

基于QFD的港口物流园区服务创新研究:以威海港为例

在港口物流因区功能和服务同质化的趋势下,服务创新是物流园区生存和发展的关键.本文提出了基于QFD的物流服务创新模型,给出了物流服务创新的实施步骤,并将其应用于威海港物流因区的服务创新中.在总结威海港物流园区客户关键需求和客户服务要素的基础上,运用层次分析法确定客户需求重要度,并依据专家打分法确定园区的关键服务质量需求,最后从服务方式和服务内容两个角度进行创新.实践证明该方法在港口物流园区的服务改进和服务创新方面是可行的和有效的.     

一类仓库/零售商供应链运输问题的数学模型与算法研究

本文主要研究一类二级供应链中的运输问题,这里是指由若干仓库和零售商组成的供应链,物品从仓库运出,到达客户,以满足客户的需求.分单仓库、多仓库和多产品三种情形分别建立数学模型,设计相应的近似算法,并通过实例讨论了算法的有效性.     

现代物流下仓储的探讨

现代物流产业是世界经济中一个年轻的产业,是中国经济21世纪的朝阳产业。它涉及原材料、产成品的流通运输、采购与库存控制、储存、配送、分销、客户服务等方面。而仓储起着缓冲、调节、集散和平和的作用被称为"物流的支柱"。但现在的仓储活动存在很多的问题。该文浅析现代物流下的仓储的一些问题以及自己的建议。     

整合逆向物流协同配送动态路径优化问题研究

整合逆向物流的协同配送面临着客户需求随机并发、行驶路径开环多变等不确定性挑战,这给配送路径动态规划和方案柔性制定带来了更严苛的要求.为此,使用"时间片"划分方式,将动态配送问题转化为一系列静态优化问题,提出了整合逆向物流的协同配送动态路径优化两阶段求解策略.首先,通过考虑车载量以及时间窗等软硬约束条件,构建以总物流成本最小和客户满意度最大的多配送中心协同配送初始-实时动态路径规划模型.其次,设计带有非支配排序与精英策略的多目标免疫遗传算法MOIGA对模型进行求解.最后,研究结果表明客户满意度与物流运营成本之间呈现悖反关系,高配送成本会带来高客户满意度,在相同成本支出情况下,MOIGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、MOIA,这也验证了模型的有效性以及方法优越性.     

基于动态扫描和蚂蚁算法的物流配送网络优化研究

本文在对动态扫描和蚂蚁算法研究的基础上,针对蚂蚁算法在求解大规模物流配送问题中存在的不足,利用动态扫描方法在区域选择方面的实用性和蚂蚁算法在局部优化方面的优点,提出综合两种方法的混合算法,并进行了实验计算.计算结果表明,混合算法获得了较满意的效果.     

Self-organizing maps in population based metaheuristic to the dynamic vehicle routing problem

We consider the dynamic vehicle routing problem (dynamic VRP). In this problem, new customer demands are received along the day. Hence, they must be serviced at their locations by a set of vehicles in real time. The approach to address the problem is a hybrid method which manipulates the self-organizing map (SOM) neural network into a population based evolutionary algorithm. The method, called memetic SOM, illustrates how the concept of intermediate structure, also called elastic net or adaptive mesh concept, provided by the original SOM can naturally be applied into a dynamic setting. The experiments show that the heuristic outperforms the approaches that were applied to the Kilby et al. 22 problems with up to 385 customers. It performs better with respect to solution quality than the ant colony algorithm MACS-VRPTW, a genetic algorithm, and a multi-agent oriented approach, with a computation time used roughly 100 times lesser.     

Integrated planning of inbound and outbound logistics with a Rich Vehicle Routing Problem with backhauls

This paper addresses the integration of the planning decisions concerning inbound logistics in an industrial setting (from the suppliers to the mill) and outbound logistics (from the mill to customers). The goal is to find the minimum cost routing plan, which includes the cost-effective outbound and inbound daily routes (OIRs), consisting of a sequence of deliveries of customer orders, pickup of a full truck-load at a supplier, and its delivery to the mill. This study distinguishes between three planning strategies: opportunistic backhauling planning (OBP), integrated inbound and outbound planning (IIOP) and decoupled planning (DIOP), the latter being the commonly used, particularly in the case of the wood-based panel industry under study. From the point of view of process integration, OBP can be considered as an intermediate stage from DIOP to IIOP. The problem is modelled as a Vehicle Routing Problem with Backhauls, enriched with case-specific rules for visiting the backhaul, split deliveries to customers and the use of a heterogeneous fleet. A new fix-and-optimise matheuristic is proposed for this problem, seeking to obtain good quality solutions within a reasonable computational time. The results from its application to the wood-based panel industry in Portugal show that IIOP can help to reduce total costs in about 2.7%, when compared with DIOP, due to better use of the delivery truck and a reduction of the number of dedicated inbound routes. Regarding OBP, fostering the use of OIRs does not necessarily lead to better routing plans than DIOP, as it depends upon a favourable geographical configuration of the set of customers to be visited in a day, specifically, the relative distance between a linehaul that can be visited last in a route, a neighboring backhaul, and a mill. The paper further provides valuable managerial insights on how the routing plan is impacted by the values of business-related model parameters which are set by the planner with some degree of uncertainty. Results suggest that increasing the maximum length of the route will likely have the largest impact in reducing transportation costs. Moreover, increasing the value of a reward paid for visiting a backhaul can foster the percentage of OIR in the optimal routing plan.     

同时集散货物的开放式车辆路径问题研究

本文研究了车辆工作时间限制下同时集散货物的多配送中心开放式车辆路径问题,以车辆数和运输里程最小为目标,建立了多目标规划模型,提出了基于拉格朗日松弛技术和禁忌搜索算法的混合求解算法。 该算法首先求出最优解的最大下界,然后采用客户点的分配和调整策略实现解的可行化,其中禁忌搜索引入了4种领域搜索方法,采用了随机变领域搜索方法和重起策略。算例分析表明,该算法能有效地找到满意解,且采用开放式安排路线比闭合式安排路线更加经济合理。     

有模糊时间窗的车辆调度组合干扰管理研究

研究带有模糊时间窗的车辆调度组合干扰管理模型及其混合遗传算法.采用时间窗模糊化处理方法,定义客户满意度函数,根据干扰管理思想对车辆调度中组合性干扰事件进行分析,从配送路径、配送成本和客户满意度三个方面进行干扰辨识与度量,建立基于模糊时间窗的车辆调度组合干扰管理模型;构造模型求解的混合遗传算法,将最佳客户插入规则与遗传算法结合,同时在算法中嵌入模糊优化程序以处理问题的模糊特征;进行数值实验,实验结果验证了模型与算法的有效性.     

基于改进差分进化算法的VRP-SDPTW研究

整合前向物流和逆向物流,提出带时间窗的同时送货和取货的车辆路径问题(VRP-SDPTW)的混合整数规划数学模型.首次提出改进的差分进化算法(IDE)求解该问题,算法对不可行解设计惩罚机制,当基因值超过规定的范围时,设计基于整数序规范的辅助算子解决变异问题,设计一种随进化代数自动更新的交叉率.数值实验表明,改进的差分进化算法能有效地求解VRP-SDPTW.     

考虑差异化服务时间的多车型电动汽车路径优化与充电策略研究

在政府政策大力支持以及社会环境意识不断增长的背景下，电动汽车在物流配送行业快速普及。电动汽车参与的物流配送服务需要物流专员、电动汽车和顾客三方协作完成。因此，在传统车辆配送路径优化的基础上，车辆的多样性、充电策略、人车的匹配以及服务时间差异化等因素都会影响物流运营成本。本文提出了考虑差异化服务成本的多车型电动汽车路径优化与充电策略问题并建立了该问题的整数规划数学模型。其次，提出了混合启发式算法MCWGATS，并通过多组算例验证了算法的有效性。最后，采用多组算例分析了多车型和差异化服务时间对运营成本的影响。实验结果表明，该模型有助于物流企业提高人员、物流车辆、服务时间等资源的利用效率，降低运营成本。     

B2C电子商务环境下订单拣选与配送联合调度优化

如何在顾客下单后协调好拣选和配送环节,在最短的时间、以较低的成本将商品从货架上拣出、打包后配送到顾客手中,已成为B2C电子商务物流管理中亟待解决的问题。本文尝试以最小化订单履行时间为目标,构建非线性拣选与配送联合调度模型,以解决订单拣选顺序、拣选作业方式、车辆行驶线路等联合决策。为求解此NP难问题,设计了三阶段启发式算法：首先采用“聚类-路径优化”思想,依据顾客位置进行配送方案确认;然后采用基于相似度聚类的订单分批规则对每条配送线路的订单进行分批合并;最后调整拣选任务与配送线路顺序。通过数据实验对模型进行验证,并与传统拣选与配送分开优化的结果进行对比。结果表明,三阶段算法能够有效缩短订单完成时间、降低配送车辆等待时间、改善配送资源利用率。     

A heuristic algorithm for the period vehicle routing problem

In this paper we consider the period vehicle routing problem, which is the problem of designing routes for delivery vehicles to meet customer service level requirements (not all customers require delivery on every day in the period). A heuristic algorithm, based upon the daily vehicle routing algorithm of Fisher and Jaikumar, is presented and computational results are given for test problems drawn from the literature.     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。