时变随机网络下有时间窗的有害物品运输路径选择研究

研究了时变随机网络下有害物品运输路径选择问题。首先定义了可行路径的具有随机性和时变性的选择向量,以期望值为目标,建立了多目标时变随机网络下有软、硬时间窗限制的有害物品运输路径选择模型。给出了时变随机网络下的有效路径的定义,并设计了多维时变随机动态标号,利用此标号设计了求解模型的多项式算法,通过此算法可以得到时变随机网络下有害物品运输路径的所有有效解。最后给出了一个应用算例。     

基于3D打印技术的备件生产与运输协同调度问题研究

基于3D打印的智能制造技术已经成为推动备件供应链转型升级的重要手段。在此背景下，本文研究“随时需要随时生产+即时配送”新型模式下的计划性维修备件的供应链协同问题。生产与运输协同调度问题在制造业领域普遍存在，属于NP-Hard问题。本文研究带时间窗的生产与运输协同调度问题，建立混合整数规划模型，根据Dantzig-Wolfe分解原理分别建立主问题和子问题数学优化模型，并采用改进的分支定价算法进行求解。在求解过程中，首先，构造可行解，基于可行路径调用CPLEX优化软件对主问题求解；其次，针对子问题的求解，根据研究问题的属性设计占优原则和加速策略，并对求得的非整数解进行分支；最后，通过对多组规模算例进行测试，数值实验结果表明：1)验证了所建立模型和改进算法的有效性；2)通过求解时间对比可知所使用加速策略能够将算法效率提高10倍左右；3)通过将生产和运输协同决策与实际运作中的分阶段决策结果对比，本文设计的方案可以将目标函数值平均优化50.33%。本研究不仅能够有效解决新型备件生产模式下的生产与运输协同调度问题，而且可以为企业实际运营决策提供科学依据，实现降本增效的目标。     

一种求解时变网络下多式联运最短路的算法

在运输过程中,往往不止有一种运输方式,可能同时有多种运输方式交叉,即可能多式联运的方式存在,不同的运输方式之间需要通过转运才可实现.同时,在运输过程中,成本、运输时间、风险等因素会随着时间的不同而变化.首先,将运输网络进行变形,然后给出了在时变网络条件下多式联运的最短路模型,设计了求解时变条件下多式联运的最短路的算法,利用此算法可以获得从起点到终点之间的最短路,并对算法的计算复杂性进行了分析.最后给出一个应用算例.     

装卸一体化的车辆路径问题及基于插入法的新禁忌算法

在日益激烈的市场竞争中,如何在降低成本的同时,让各个顾客尽快收到货物成了现代交通运输物流中一个越来越重要的考虑因素。基于某快递公司的运输实例,本文提出了装卸一体化的车辆路径问题模型,最终优化目标是最小化车辆运输时间和货物到各个顾客的时间的加权和,并给出了一种基于插入法的新禁忌算法,实验结果表明新禁忌算法在显著提高传统禁忌算法计算时间的同时,还能得到理想的成本,并且对节约快递公司的运输成本方面有显著成效。     

一种考虑动态时间窗的满载问题模型及算法

针对时间约束在满载问题中的复杂性,建立了一个考虑装载时间和次序的具有动态时间窗的满载车辆调度模型,并给出了一个基于动态构造原理的启发式算法。该模型和算法改进了以往满载问题中对时间窗的考虑,使得求解更具有实际派车意义,并且该算法通过参数调整,经过少量迭代即可快速求得最小化总成本的满意解。     

基于差分进化算法的运输容量约束下有数量折扣的模糊联合补货模型研究

针对采购管理中广泛存在的不确定性,将单位库存成本和可变订货成本视为模糊变量,构建了运输容量约束下有数量折扣的模糊联合补货模型,此模型属于NP-hard问题,目前缺乏可靠的全局优化求解算法。在选取梯级平均综合表示法对总成本去模糊的基础上,设计了基于自适应混合差分进化算法的求解方法,并通过算例验证了此模糊联合补货模型的有效性和求解算法的全局优化能力。     

震后应急物资多方式供应的模糊动态LRP

研究震后应急物资多方式供应中的多层次设施定位-路线规划问题(LRP),综合考虑应急物流网络中的多周期应急物资模糊需求、时间窗限制、部分路网损毁与动态恢复、车辆随机行驶时间、大需求点采用需求分割策略同时进行运输与配送等特性,以应急物资总供应时间最短为目标,构建了一个震后应急物资多方式供应的多周期模糊LRP优化模型,并根据模型特点设计了一种贪婪算法结合蚁群算法的混合启发式算法予以求解.最后,通过算例验证了本文模型和算法的可行性与有效性.     

交通运输网络最短路径关键边问题研究

因自然灾害、运输组织等原因,造成道路与铁路运输网络线路中断、车站枢纽车流堵塞的现象普遍存在。本文就运输网络模型及最短路径关键边问题进行了分析研究,并给出了求解运输路径关键边的算法,对预防灾害、优化运输组织、降低因关键边(线路)中断而造成的损失、提高运输效率提供了科学的量化依据。     

基于离散粒子群优化的轧辊热处理调度方法

以某轧辊企业铸钢分厂的轧辊热处理调度问题为实际背景,研究了两阶段及三阶段无等待混合流水车间调度问题.针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法;在此基础上,结合离散粒子群优化算法对建立的整数规划模型进行优化求解.通过对真实数据仿真实验所得结果的比较与分析,验证了算法的可行性和有效性,并给出了具有实际参考价值的设备改进策略,对生产决策者合理安排生产具有一定的指导意义.     

求解带时间窗的客户需求可分条件下的车辆路径问题

物流运输中的车辆路径问题历来是一个重要的理论和实际问题,在同时考虑客户需求可分以及客户方和配送中心时间窗限制的前提下,重新构造了问题模型,并结合蚂蚁算法中转移概率的改进和最大-最小蚂蚁系统,设计了问题求解过程和分割点选取规则,计算结果显示出算法的可行性。另外还与客户需求不可分的情况进行了对比,从而说明在大规模物流运输需求下,可分能带来更好的效果。     

最短时限运输问题及解法

提出了存在于实际中的最短时限运输问题,研究了其解的最优性充分条件,并给出了求解这一问题的具体步骤,最后用实例说明了解法的可操作性,该解法是解决这一类问题的一个好算法。     

A heuristic approach to long-haul freight transportation with multiple objective functions

This paper studies a long-haul freight transportation problem stimulated by a real-life application, whose underlying vehicle routing problem is a multi-objective one, where travel time and route cost are to be minimized together with the maximization of a transportation mean sharing index, related to the capability of the transportation system of generating economy scale solutions. In terms of constraints, besides vehicle capacity and time windows, transportation jobs have to obey additional constraints related to mandatory nodes (e.g., logistic platform nearest to the origin or the destination) and forbidden nodes (e.g., logistic platforms not compatible with the operations required). Based on the network definition, routes can be multimodal. To solve this problem, we propose a heuristic algorithm that can be applied in the tactical and the operational planning phase, and present the results of an extensive experimentation.     

跨境电商企业海外仓选址多目标优化研究

海外仓作为一带一路战略环境下的一种新型跨境物流模式,具有运输时间短、退换货快等特点。本文在跨境电商的背景下,综合考虑建仓成本、运输费用、运输时间和税费等因素,提出了海外仓选址多目标优化模型,随后基于分层序列法设计了二分搜索-最小费用流算法对该模型进行求解,并证明该算法在多项式时间内可以得到最优解,最后通过算例证实了该模型和算法的有效性和实用性,这为跨境电商海外仓选址提供了理论依据和决策支持。     

基于风险的考虑成本和允许等待的车辆运输调度问题研究

本文同时考虑了成本约束和允许等待情形,研究了最小化风险的车辆运输调度问题,其中运输风险是随时间不同而变化的,即研究在时间依赖网络中基于风险的有约束的运输路径选择问题,以及在选定路径的顶点上决定的出发和等待时间的综合问题。建立了相应的混合整数规划模型,设计了相应的算法,并分析了算法复杂性,最后通过算例验证了该算法的有效性和可行性。     

Best routes selection in multimodal networks using multi-objective genetic algorithm

In this study, we propose a bi-level multi-objective Taguchi genetic algorithm for a multimodal routing problem with time windows. The mathematic model is constructed, which is featured by two optimal objectives, multiple available transportation manners and different demanded delivery times. After thoroughly analyzing the characteristics of the formulated model, a corresponding bi-level multi-objective Taguchi genetic algorithm is designed to find the Pareto-optimal front. At the upper level, a genetic multi-objective algorithm simultaneously searches the Pareto-optimal front and provides the most feasible routing path choices for the lower level. After generalizing the matrices of costs and time in a multimodal transportation network, the \(k\) -shortest path algorithm is applied to providing some potential feasible paths. A multi-objective genetic algorithm is proposed at the lower level to determine the local optimal combination of transportation manners for these potential feasible paths. To make the genetic algorithm more robust, sounder and faster, the Taguchi (orthogonal) experimental design method is adopted in generating the initial population and the crossover operator. The case study shows that the proposed algorithm can effectively find the Pareto-optimal front solutions and offer series of transportation routes with best combinations of transportation manners. The shipper can easily select the required shipping schemes with specified demands.     

The optimal value range problem for the Interval (immune) Transportation Problem

We address the problem of finding the range of the optimal cost of a transportation problem when supply and demand vary over an interval. We consider the specific version of a transportation problem with supply inequality constraints and demand equality constraints under the assumption that the transportation costs are immune against the transportation paradox. We investigate some theoretical properties of the problem which constitute the basis of a novel solution algorithm. Our results show that the proposed algorithm hugely outperforms the best existing solution approaches.     

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）。     

Exact approaches for the pickup and delivery problem with loading cost

In this paper, we propose a branch-and-cut algorithm and a branch-and-price algorithm to solve the pickup and delivery problem with loading cost (PDPLC), which is a new problem derived from the classic pickup and delivery problem (PDP) by considering the loading cost in the objective function. Applications of the PDPLC arise in healthcare transportation where the objective function is customer-centric or service-based. In the branch-and-price algorithm, we devise an ad hoc label-setting algorithm to solve the pricing problem and employ the bounded bidirectional search strategy to accelerate the label-setting algorithm. The proposed algorithms were tested on a set of instances generated by a common data generator in the literature. The computational results showed that the branch-and-price algorithm outperformed the branch-and-cut algorithm by a large margin, and can solve instances with 40 requests to optimality in a reasonable time frame.     

下料问题与运输问题联合优化建模

本文研究了考虑子材运输的标准一维下料问题。建立了由生产商负责运输时,标准一维下料与运输协调优化整数规划模型,最小化母材使用成本,子材库存成本及子材运输成本。采用拉格朗日松弛技术对有关约束进行松弛和模型分解,设计基于序列规则和FFD规则的混合启发式算法求解模型。该算法由两部分组成,分别用于求解标准一维下料子问题和卖方运输子问题。通过随机产生的1800个算例,验证模型合理性与算法的有效性。与基于列生成法的两阶段算法解进行比较,平均总成本降低了17.57%,表明集成算法优于两阶段算法。