基于矩阵变换的车辆路径问题仿真优化方法

针对车辆路径问题这一求解难题,提出基于启发式变换的仿真优化原理和求解方法,建立了基于邻接矩阵的车辆路径问题的数学模型;利用启发式运行规则对仿真运行的参数进行了分析,通过矩阵变换改进优化搜索策略并找出最优解或满意解.算例求解表明,基于矩阵变换的仿真优化方法具有良好的稳定性和求解效率.该项研究为求解车辆路径问题这一难题提供了新思路.     

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.     

航空物流配送路径优化

航空物流配送对航空货运时间及服务水平有着极大的影响,其中,配送路径优化是配送合理化的核心问题.采用遗传算法设计航空物流配送路线,具有更高的准确度,对降低成本提高效率更有效.     

车辆路径问题的禁忌搜索算法研究

论文在对车辆路径问题进行简单描述的基础上,通过设计一种新的解的表示方法构造了求解该问题的一种新的禁忌搜索算法,并进行了实验计算。计算结果表明,用本文设计的禁忌搜索算法求解车辆路径问题,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。     

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。     

车辆路径问题的模型及算法研究综述

本文在文献[1,2,3,4]的基础上,首先,介绍了车辆路径问题的分类和限制条件;然后,全面综述了国内外关于车辆路径问题的模型及算法研究现状,重点探讨了车辆路径问题的模型构造、求解算法及其适用范围;最后,展望了其研究的前景。     

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.     

环状区域的车辆路径方案生成系统及优化模型

针对顾客满足环状区域分布的车辆路径问题(VRP),以大幅度地缩减问题求解的状态空间为突破口,引入人工智能和运筹学理论,提出求解这类特殊车辆路径问题的两阶段方法.第1阶段考虑行车时间和车载容量,提出带有控制策略的深度优先搜索算法自动生成备选的车辆路径方案集合.第2阶段将此备选方案集合归结为整数规划模型.采用VB6.0编程语言构建了车辆路径方案生成系统,并实现该系统与运筹学求解软件lindo的集成.通过案例验证了上述方法及自动求解系统的有效性.该项研究为解决环状配送区域的车辆路径问题这一难题提供了新方法.     

物流配送系统中大规模最短路径算法的研究

在物流配送管理系统中,车辆路径优化是一个典型的难题,而最短路径算法是其基础.传统的最短路径算法,如Dijkstra最短路径算法因性能问题无法适应大规模的拓扑网络和实时计算.本文在Dijkstra最短路径算法的基础上,在方向优先等改进算法的启发下,设计和开发了基于GIS的大规模最短路径算法.实验表明,该算法受拓扑网络规模的影响极小,能够快速完成实时最短路径计算.     

基于联合配送的开放式动态车辆路径问题及算法研究

针对跨区域多配送中心多车型开放式动态联合配送问题,通过引入时间轴概念将动态问题转化为静态问题,建立考虑车载率的开放式车辆路径模型,提出多配送中心问题的整体算法和多车型的使用原则,强化物流资源整合和跨区域路径整体优化.利用云模型中云滴的随机性与稳定倾向性,改进遗传算法中交叉与变异概率的设置方式,采取“初始优化+实时优化”的两阶段求解策略,对开放式动态车辆路径问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.     

突发疫情环境下考虑订单释放时间的零售物流配送路径优化研究

“新冠肺炎”疫情突发严重危及了人们的生活安全,而物流保障在疫情防控、保民生活、稳定社会方面却起到了重要支撑作用。以保证民生的零售物流配送为背景,本文研究考虑订单释放时间的车辆路径优化问题,以配送完工时间与运输成本的加权之和最小为目标,构建了线性规划模型,并设计了改进的迭代局部搜索求解算法。该算法采用基于多种邻域结构和改进的US算法的局部搜索过程以增强算法的寻优能力,通过引入大路径和最优分割过程获得高质量的初始解和打破机制以增强算法的搜索效率。同时,提出一些性质用于拉格朗日松弛算法,为本文研究问题提供高质量的下界。最后,数值实验部分通过求解标杆算例和文中算例验证了模型和算法的有效性,并对订单释放时间和模型参数进行灵敏度分析,结果表明本文模型和算法能够为零售物流配送的效率提升和成本控制提供有效的决策支持。     

具有同时的配送和回收需求的逆向物流VRP研究

具有同时的配送和回收需求的车辆路径问题(VRPSDP)是逆向物流研究领域中的一个热点和难点.在对具有同时的配送和回收需求的车辆路径问题进行简单描述的基础上,本文建立了该问题的数学规划模型,并设计破了解决该问题的一种混合遗传算法.最后,通过随机模拟以及与其它算法的比较试验,验证了该混合遗传算法的有效性与优越性.     

多油品供给受限下多油库被动配送车辆路径问题研究

成品油供给不足将导致加油站油品订单无法完全满足,如何安排有限油品的合理配送对保障能源供给安全至关重要。为此,本文考虑有限供给下不同客户配送的优先次序,开展配送计划、车辆调度和路径优化等油品配送网络规划活动,对多油品供给受限情况下多油库被动配送车辆路径问题（Multiple Depot Vehicle Routing Problem,MDVRP）进行深入研究。首先,文章构建了考虑需求优先等级和配送成本的多油品多油库车辆路径规划多目标优化模型。其次,采用多目标粒子群优化算法（Multi-Objective Particle Swarm Optimization,MOPSO）对模型进行求解,以实现车辆高效调度和油品配送路径优化。最后,基于CNPC在青岛市部分油库和加油站点的数据信息,构建油品配送网络进行实证检验。算例结果显示,配送车辆路径经过优化后,生成Pareto非劣解集,配送成本显著降低,配送满足率明显提高,这也进一步验证了该模型及相关算法的可行性和有效性。     

多车型车辆路径问题的量子遗传算法研究

本文在分析现有文献中多车型车辆路径问题中车辆使用优先原则的基础上,将车辆使用费用分为固定费用和油耗费用,并建立以配送总费用最小为优化目标的数学模型。设计量子遗传算法对模型进行求解,采用量子比特位设计染色体结构,改进遗传算法中交叉与变异算子,避免优秀基因不被破坏,设计快速寻优机制与最优保留机制,增强的求解效率。最后,结合算例对模型和算法进行了检验与分析。     

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。     

烟草物流配送中心选址优化问题研究

物流配送是烟草销售业务的重要环节,也是业务成本的主要组成部分.烟草物流大系统中存在很多复杂的优化问题,本文研究了其中的配送中心的数量、配送中心的选址的优化问题的求解方法.对这些问题的深入研究将有利于提高烟草配送业务的效益和服务水平,向精益物流逐步迈进.