危险品物流运输中的多目标车辆调度优化问题

综合考虑危险品物流运输的安全性和经济性,以运输总成本、车辆总数、人口密集区经过数、限行区域数为目标建立了一个多目标优化模型。针对模型,设计了一种改进的遗传算法来求解问题。     

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。     

低碳环境下的车辆路径问题及禁忌搜索算法研究

基于节能减排的新视角,本文研究了低碳环境下由第三方提供运输服务的车辆路径问题,在安排车辆路径时,同时考虑了能耗、碳排放和租车费用,而这些费用不仅与距离有关,也与客户点的需求量和车辆速度有关。提出了考虑车辆运量和速度的能耗计算方法,建立了非满载运输方式下的低碳路径模型——LCRP。设计了基于路径划分的禁忌搜索算法RS-TS对问题进行求解,该算法引入了一种新颖的路径编码与解码算法WSS,采用了三种邻域搜索方法。通过基准测试实例验证了算法能有效地找到满意解,并揭示了距离、能耗、行驶时间等参数之间的关系,实验分析表明采用低碳路径安排更加经济环保且选择中低的交通速度更有利于节约能耗和降低碳排放。     

通货膨胀下的联合库存选址模型研究

研究了通货膨胀对涉及一个供应商、多个候选配送中心和零售商的三级分销网络设计的影响.不同于传统的联合库存选址模型,所研究的模型考虑了整个系统的相关成本的时间价值,其目标是使在一定的通货膨胀率下总的选址、运输和库存成本之和的现值最小.为此,建立了一个非线性的整数规划模型,该模型为无容量约束问题的扩展模型,属于NP-hard问题.提出了3种基于不同编码形式的遗传算法用于求解该模型,并通过不同规模的算例对3种算法进行了有效性的分析和对比.最后,通过对各算例的计算结果的分析,发现随着通货膨胀率的增长,为了使这个分析网络的总成本现值最小,需要增加建立的DC的数量.     

基于免疫遗传算法的物流配送车辆路径优化问题研究

物流配送车辆的优化调度问题是近年来物流研究中的一个热点也是一个难点,传统的优化方法往往难以解决这类问题.本文提出一种新型免疫遗传算法进行物流配送车辆路径问题的优化规划.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,这些算子包括接种疫苗、各基因座多样性调整以及免疫选择.以运输费用最小为优化目标建立了物流配送车辆路径优化问题的数学模型,利用免疫遗传算法求得优化解,并通过具体实例以及免疫遗传算法与标准遗传算法运算结果的比较,验证了本文免疫遗传算法的有效性和优越性.     

震后应急物资配送的模糊定位-路径问题研究

从系统集成优化的角度研究震后应急物资配送的一种新模糊定位-路径问题(LRP),综合考虑救灾点所在地理位置和地形导致的应急车辆行驶时间的随机性、救灾点应急物资需求量的不确定性与应急物资配送的时间紧迫性,以应急物资总运达时间最短与总配送成本最小为目标,构建一个基于机会约束规划的多目标模糊LRP优化模型,并根据模型的特点设计了一种混合免疫遗传算法予以求解。最后,通过算例验证了本文方法能有效解决震后应急物资配送的模糊多目标LRP,实现了震后应急物流中心定位和应急车辆路径规划的联合决策。     

碳排放影响下的动态配送车辆路径优化研究

本文考虑碳排放对动态配送车辆路径的影响,研究了客户需求点增减、客户需求量变化及配送路线交通中断三种情形下的配送车辆路径优化问题。首先,通过构建虚拟客户点,将动态车辆路径优化问题转化为静态车辆路径优化问题。其次,构建了基于改进遗传算法的动态车辆路径优化模型。最后,对比分析了考虑碳排放影响前后的动态车辆路径优化。研究结果表明：在满足时间窗要求的情况下,虽然考虑碳排放的动态车辆路径的总行驶距离增加了3.59 km,但碳排放成本和总配送成本分别下降了7.45%和1%;同时与静态车辆路径相比,在动态车辆路径问题中考虑碳排放可以使碳排放成本及总配送成本下降的更多,因此在动态车辆路径问题中考虑碳排放更具有价值意义。     

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。     

局内动态配送车调度管理及其竞争策略

提出了动态物流配送车辆调度优化问题——配送车在一度量空间中进行服务,度量空间中的任何一节点可能在任何时间提出服务请求,要求配送车将该点处的货物运送到另一点,每一个服务请求都有一个服务期限,若在规定的时间内某一服务请求不能被满足则将被取消,在考虑装/卸货所用时间的情况下,决策者如何以局内方式确定调度策略,使配送车完成的服务请求数最多.针对该不确定性条件下的管理决策问题,给出了两种局内管理策略,并利用局内问题及竞争分析理论,给出了不同载重量下(Q=1和Q=∞)的两种策略的竞争比.     

具有模糊预约时间的VRP混合遗传算法

在对具有模糊预约时间的多对多货物收发情况下的车辆路径问题进行简单描述的基础上,构建了该问题的多目标数学规划模型,提出了解决该问题的一种基于插入启发式算法、并用修正的推—碰—掷过程进行改进的混合遗传算法,最后,给出了该问题的一个计算实例,并与改进的Solomon插入启发式算法进行了比较.     

物流配送车辆路径规划模型的知识表示研究

针对物流配送车辆路径规划的实时动态建模问题,以解决模型的目标函数和约束等符号化知识的知识表示及基于知识的求解机制为突破口,提出了以七元组M=(B,O,C,I,P,E,D)表示车辆路径规划模型的知识表示方法--BOCIPED表示法;并以沈阳昌达集团餐饮配送公司为应用背景,设计建立了相应的车辆路径规划问题的建模与求解系统,通过系统的实际应用,验证了系统中BOCIPED表示方法的可行性与有效性.本研究为车辆路径规划这一难题提供由计算机自动生成模型并求解的新方法,有利于建立高智能的物流配送实时调度系统.     

有时间窗车辆路径问题的模型及其改进模拟退火算法研究

论文在对有时间窗车辆路径问题进行描述的基础上,建立了该问题的基于直观描述的数学模型.论文还根据有时间窗车辆路径问题的特点构造了求解该问题的改进模拟退火算法,并进行了实验计算.计算结果表明,用本文设计的改进模拟退火算法求解有时间窗车辆路径问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定.     

蓄冷式多温集配路径优化模型

现实中,由于配送中心选址对占地面积、土地成本等要求较高,加之物流企业资金有限或交通拥堵等限制,配送中心的设置通常会远离市中心。为了减少集货与配送车辆往返配送中心的次数以及车辆行驶距离,本文以总成本最小化,包括车辆派遣成本、行驶成本、碳排放成本、违背时间窗的惩罚成本、保温柜/箱成本、非整箱货物的配送成本,构建了1个配送中心由大型车辆为m个供应商采用蓄冷柜/蓄冷箱集货,由1个虚拟接驳点(中型车辆)结合小型车辆为n个零售门店采用蓄冷箱多温共配的路径优化模型,并设计了基于蚁群算法的混合更新信息素策略。以20个零售门店与6个海鲜供应商的三种品温海鲜品为仿真算例,验证了模型的有效性。实例分析发现：引入虚拟接驳点的配送线路数低于单纯的配送线路数;时间窗限制越宽松,引入虚拟接驳点的优越性越突出;具有虚拟接驳点的多温集配总成本低于自配送中心的集配总成本;具有虚拟接驳点的蓄冷式多温集配尤其利于低碳环保的冷链系统构建。     

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。     

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）。     

Hedging strategic flexibility in the distribution optimization problem

Motivated by the increasing prevalence of flexibility hedging in corporate-level risk management programs, this paper focuses on the treatment of hedging operational risks in the coordinated replenishment and shipment for distribution systems. The forward option pricing model with the generalized autoregressive conditional heteroskedasticity (GARCH) model for stochastic demand forecasting is adopted for constructing inventory volume flexibility. We therefore propose a hedge-based coordinated inventory replenishment and shipment (HCIRS) methodology for flexibly making inventory hedging and optimal routing assignment decisions as well as coordinating replenishment and shipment policies. The HCIRS methodology provides insight into strategic flexibility adopted for a real-life inventory–distribution problem faced by one of the major East Asia food supply networks and turns out to be very efficient. The proposed HCIRS methodology has provided evidence of better results than the traditional operational techniques for the presented case in this paper.     

考虑三维装箱约束的车辆路径问题研究

针对实际物流配送问题的特点,建立考虑三维装箱约束的车辆路径问题模型,提出求解该问题的引导式局部搜索算法。采用改进的模糊遗传算法求解车辆路径问题,提出一种新的模糊逻辑控制器,并采用引导式局部搜索算法求解三维装箱问题。通过计算标准算例检验算法性能,试验结果表明引导式局部搜索算法能够在较短时间内得到质量较高的近似最优解。     

Ant Colony System for a Dynamic Vehicle Routing Problem

An aboundant literature on vehicle routing problems is available. However, most of the work deals with static problems, where all data are known in advance, i.e. before the optimization has started. The technological advances of the last few years give rise to a new class of problems, namely the dynamic vehicle routing problems, where new orders are received as time progresses and must be dynamically incorporated into an evolving schedule. In this paper a dynamic vehicle routing problem is examined and a solving strategy, based on the Ant Colony System paradigm, is proposed. Some new public domain benchmark problems are defined, and the algorithm we propose is tested on them. Finally, the method we present is applied to a realistic case study, set up in the city of Lugano (Switzerland).     

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。