模糊需求信息条件下的实时动态车辆调度问题研究

将传统确定性车辆调度问题扩展为具有模糊特征的模糊车辆调度问题。在对模糊需求信息条件下的车辆调度问题进行简单描述的基础上,阐述了全面、实时地考虑所有可用信息的动态模糊车辆调度问题的求解思路,并通过引入决策者主观偏好和模糊可能性的概念,构建了该问题的数学模型,给出了解决该问题的一种实时启发式算法。最后,在最小化车辆行驶距离的目标下,通过随机模拟方法研究了决策者主观偏好值对最终决策目标的影响作用,并通过与非实时调度的比较验证了实时车辆调度的优越性。     

模糊需求VRP的一种Sweeping启发式算法

在对具有模糊需求的车辆路径问题(VRPFD)进行简单描述的基础上,结合模糊机会约束规划的基本给出了解决该问题的基本思路,构建了其数学规划模型,并设计了解决该问题的一种Sweeping启发式算法.埽在最小化车辆总行驶距离的目标下,通过随机模拟方法研究了决策者的主观偏好P*对最终决策目标的影响作并给出了P*的合理取值范围.     

带模糊工作时间窗的多配送中心同时集散货物车辆路径问题

在线资源的特性使得配送车辆采用分时租赁的模式为客户进行服务,配送车辆路径问题呈现多模糊时间窗特性。本文构建了带有模糊工作时间窗的多配送中心同时集散货物车辆路径模型,以最小化配送成本、车辆使用数,最大化服务质量为优化目标。根据客户期望时间窗、硬时间窗、软时间窗,改进了线性梯形隶属度函数表示客户模糊满意度。模型的求解采用自适应大规模邻域搜索算法,通过引入多种群搜索机制和非支配排序操作,加快算法收敛速度、增强算法全局寻优能力。最后,通过算例求解验证模型和改进算法的有效性和优越性。     

模糊车辆路径问题的一种混合遗传算法

在对模糊车辆路径问题进行简单描述的基础上,通过引入决策者主观偏好值的概念,给出了解决该问题的基本思路,建立了具有模糊特征的车辆路径问题的模糊机会规划模型,提出了求解该问题的一种基于模糊模拟的混合遗传算法。同时,在最小化总行驶距离的目标下,通过随机模拟方法研究了决策者主观偏好值的选择对最终决策目标的影响作用,并给出了其最佳取值范围。     

模糊信息动态车辆调度优化问题研究

针对车辆调度中的模糊信息问题,以车辆模糊行驶时间以及顾客模糊预约时间为模糊信息参量,采用细分顾客类别以吸收配送者知识系统的方法,分别以物流企业效用最大化和顾客效用最大化两种决策目标构建了2类模糊信息动态车辆调度优化模型,并给出了求解该类问题的蚁群算法.仿真试验分析了决策参数的变化对2类模型计算结果的影响,并给出了相关参数制定的依据.     

震后应急物资配送的模糊动态定位—路径问题

进行震后应急物资配送系统优化是提高其配送绩效的重要手段.从系统集成优化的角度,研究应急物资配送中心定位与配送车辆路径安排的联合决策问题.综合考虑应急物资需求的模糊性、动态性和限制期,震后受损路网的动态恢复状况,不同类型有容量限制的配送车辆,以及物资需求分割配送等特点,以各物资需求点的应急物资运达时间之和最小为目标,采用机会约束规划方法建立了一个模糊动态定位—路径问题优化模型,并设计了一种两阶段启发式算法予以求解.最后,通过算例验证了该模型和算法的可行性及有效性.     

时间依赖型多配送中心带时间窗的开放式车辆路径问题研究

本文研究了时间依赖型多配送中心带时间窗的开放式车辆路径问题,基于道路通行情况,建立车辆行驶速度时间函数;考虑车辆载重、里程限制与客户点服务时间窗的约束,建立混合整数规划模型,目标函数为最小化车辆总成本,具体包括车辆行驶时间成本和车辆固定发车成本;提出了一种二维编码方式的混合遗传算法,针对混合遗传算法设计了多分区段单点交叉策略、动态插入算子及局部搜索策略;最后,基于Solomon VRPTW基准数据集生成27个测试算例,使用混合遗传算法进行求解。数值实验结果表明,考虑道路通行情况,选择合理的出发时间,避免拥堵时段进行配送服务,能明显减少车辆的总行驶时间,且验证了混合遗传算法能够获得问题的满意解。     

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.     

基于模糊时间窗的车辆调度问题研究

基于现实生活中配送企业车辆资源有限和顾客对服务时间要求并非完全刚性的特征,通过时间窗模糊化处理将顾客服务的满意度量化为配送服务开始时间的模糊隶属度函数。在一定满意度下,构建了基于模糊时间窗的车辆调度模型,根据模型的特点,改进了基于客户的染色体编码方式,设定了一种新的约束处理方法,避免了惩罚策略中选取惩罚因子的困难。在算法中用模糊优化程序处理问题的模糊特征,通过对顾客服务时间的局部调整来确定最佳服务时间。最终通过实例验证与原结果比较发现,引用模糊时间窗函数不仅可以降低配送成本,而且有利于节省运力资源。     

基于改进模糊遗传算法的混合车辆路径问题

本文建立了多配送中心、多车型、多产品的车辆路径问题的混合数学模型,提出了一种新的模糊遗传算法求解混合车辆路径问题,通过改进的模糊逻辑控制器实现交叉概率和变异概率的动态调整,以加快算法收敛速度并避免算法陷入局部最优解。采用标准算例进行对比,证明模糊遗传算法有较好的计算结果和计算效率,并用模糊遗传算法对混合车辆路径模型进行仿真测试,取得了理想的结果。