需求变动下的物流配送干扰管理模型的知识表示与求解

针对需求变动下的物流配送干扰管理数学模型难以支持实时建模与实时求解的缺陷,通过深入分析需求变动的物流配送干扰管理问题的已知知识、建模知识与求解知识,引入人工智能和知识工程的相关知识表示理论与建模方法,建立该问题的BRGISC模型知识表示方法,将包含多种需求变动事件的物流配送干扰管理的建模与求解过程进行知识表示,并以此知识表示为基础,提出一种解决该问题的基于知识的求解方法,设计了知识库和推理规则,实现该类问题的实时建模与求解过程,并应用到中石油大连销售分公司市内配送小配送片区0#柴油的日常需求变动干扰管理中.实例运行和数据实验的结果表明,该方法能够满足对多种需求变动事件的实时响应,实时生成干扰管理决策方案.     

物流配送系统中车辆路径问题仿真优化及其进展

物流配送系统中车辆路径问题的仿真研究是用系统仿真与优化的方法解决车辆路径问题,将车辆路径问题与物流系统仿真优化这两个研究领域相融合.综述了车辆路径问题模型与算法及物流系统仿真与优化国内外的研究成果,分析了这些研究领域存在的主要问题,在此基础上提出了用仿真优化方法求解物流配送系统的车辆路径问题的原理与方法,并通过实例验证了该方法的有效性,为进一步的研究奠定了基础.     

车辆路径问题的三阶段求解方法研究

针对由车辆路径问题规模的增大带采求解空间组合爆炸这一难点,从缩减解答空间入手,以节省求解时空为突破口,综合运用知识工程、模糊聚类分析、状态空间搜索理论和运筹学整数规划理论,提出一种求解车辆路径问题的三阶段求解方法.第一阶段分析物流配送过程的主要影响因素,根据相关因素对客户进行初步划分,然后采用模糊聚类分析方法将各配送区域中的客户进行细分;第二阶段采用带控制策略的深度优先搜索算法生成备选的车辆路径方案集合;第三阶段建立整数规划求解模型,并根据邻域规则将求得的解映射为实际问题中的行车方案.最后运用算例验证上述方法的有效性.     

基于电商承诺送达机制的多目标低碳MDVRP优化研究

针对存在多配送站的电商物流配送问题,首先,考虑实际装载量对物流配送过程中车辆燃料消耗量的影响,建立燃料消耗量模型,并结合电商平台的承诺送达机制,构建配送延迟时间函数。随后,提出了以最小化物流成本和延迟收货时间的多目标多配送站车辆路径规划问题,建立该问题的混合整数规划模型。再次,采用基于分解的多目标遗传求解算法对问题进行求解。该算法采用矩阵编码的方式,设计了基于贪婪搜索策略的启发式初始化方法,考虑到贪婪搜索策略容易陷入局部最优的劣势,在算法迭代过程中,允许部分不可行解存在以扩大解空间的搜索范围,并进一步设计了遗传算法的交叉和变异算子。最后,以具体物流配送案例进行数值实验,实验结果表明所设计的算法对求解本文模型是有效的。     

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.     

基于结构差异的智能建模方法研究

通过分析基于规则和基于事例推理两种建模方法的特点,提出了综合这两种方法优势的基于结构差异的建模方法,该方法使用树状结构实现问题的知识表示,使用基于事例推理的方法生成数学模型的主体部分,使用基于规则的方法生成模型的差异修改规则,用以指导模型主体部分的修改.基于这一方法实现了一个物流配送车辆调度的应用系统,验证了该方法对于数学模型的智能构建工作是有效的.     

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.     

顾客时间窗变化的多车场车辆调度干扰管理模型研究

为解决物流配送过程中某顾客时间窗变化而导致的物流配送难以按照原计划实现的难题,运用干扰管理方法,针对多车场带时间窗的物流配送车辆路径问题,提出包含顾客配送时间总偏离度、配送总成本、新路径方案与初始路径计划偏差量、最长行驶时间违反总量4个因素的扰动程度度量方法;以顾客时间窗变化这类干扰事件发生时的问题状态为基础,以系统整体扰动最小化为目标,建立问题的目标规划数学模型;针对这一复杂模型,提出基于特定邻域结构及其寻优概率的变邻域搜索算法;最后在标准算例上使用变邻域搜索算法与其他文献算法进行比较分析,结果表明该变邻域搜索算法对于干扰事件发生后的车辆路线重排结果在系统整体扰动程度方面明显优于其他文献的算法.     

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。     

协作车辆路径成本分摊问题的 B-T Shapley 方法

多个企业协作配送能显著地降低物流配送成本和减少尾气排放, 研究协作配送模型与成本分摊方法是亟需解决的关键问题.传统经典成本分摊方法需要计算所有子联盟的协作成本, 在本问题中等价于需要求解2N-1个 (N为企业数量) 复杂的车辆路径问题.本文建立了多方协作车辆路径问题模型, 分析了协作配送成本分摊问题的属性.基于经典的Shapley成本分摊方法, 提出了B-T (Binary Tree) Shapley近似方法, 不仅将成本分摊本身计算复杂度由O (N22N) 降为O (N2log2N) , 而且将需要求解的车辆路径问题数量由2N-1个锐减至2N-1个, 从而能够在合理时间内完成协作配送问题的成本分摊.通过求解算例和实际案例, 计算结果表明, B-T Shapley的耗时与Shapley方法相比几乎可以忽略不计, 更重要的是B-T Shapley与Shapley的成本分摊结果之间仅有细微的偏差, 其平均准确度可以达到95%左右.     

动态需求下车辆路径问题的周期性优化模型及求解

针对客户点不断更新的动态需求车辆路径问题,依据滚动时域对配送中心工作时间进行划分,提出基于延迟服务的周期性客户点实时重置策略,策略中延迟服务机制能结合车辆启动延迟系数对照当前时域的时间进行检验,满足所有客户点的服务需求,保证车辆满足中心时间窗约束。设计多阶段求解的混合变邻域人工蜂群算法对各时间片内子问题进行连续迭代优化,算法中子路径动态转变的设计能较好平衡原有客户点和新客户点对路径更新和车辆实时信息匹配的要求。算例验证及对比分析表明本文策略和算法在求解动态问题时的有效性和可行性。     

运力受扰的多车场车辆调度干扰管理问题研究

为解决物流配送系统中因运输车辆毁坏而产生的干扰问题,基于干扰管理思想提出了解决问题的扰动恢复策略与实施方案。在扰动度量的基础上,设计了多车场车辆调度扰动恢复策略,建立相应的干扰管理模型。针对多车场车辆调度干扰管理问题的特有属性,设计了一系列求解简化策略,有效简化了问题的求解空间。结合干扰管理模型的特点,使用改进的遗传算法进行求解。最后给出了一个算例,其结果证明了干扰管理模型与算法的有效性。     

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。     

考虑充电策略与电池损耗的电动汽车路径优化问题研究

针对目前研究电动物流车辆路径问题的文章未考虑电池损耗对运营成本的影响,且多在充电速率为恒定值的情况下对充电策略进行优化,本文将电动物流车辆在配送货物途中的充电时间和电池损耗成本纳入目标函数并建立了线性规划数学模型,统筹安排车辆行驶路径和充电策略使得物流企业整体运营成本最低。其次,提出了求解该问题的多阶段启发式算法MCWIGALNS。随后,通过多组算例验证了模型和算法的准确性。实验结果表明,考虑充电时间与深度放电成本的模型可以在配送距离不变或略有增加的情况下,较大幅度减少充电时间与电池损耗成本,到达降低运营成本的目的。最后,将算法实验结果与本领域已发表的成果进行比较,证明了MCWIGALNS算法对车辆路径问题具有出色的求解能力,提升了该问题理论成果的实用性。可以为物流企业电动汽车路径策略提供良好借鉴与帮助。     

Modeling cost-delivery trade-offs for distribution logistics by a generalized PVRP model

This article provides a mathematical model to support management in making decisions about cost-delivery trade-offs in the case of cost-delivery flexibilities in distribution logistics. The optimization problem can be modeled as a bi-objective periodic vehicle routing problem, which is known as NP-hard. In the periodic vehicle routing problem considered in this study, no delivery patterns are pre-defined, instead the patterns are the result of the optimization process of the model. In addition, delivery time flexibilities are incorporated in the model. A heuristic solution method for realistic problem sizes is based on the tabu search procedure, and a real case study illustrates the applicability of the solution concept.     

越库配送下考虑时空距离的库门分配与车辆调度优化

针对越库配送下考虑时空距离的库门分配与车辆路径问题,建立以车辆派遣成本、运输成本、时间惩罚成本、越库内部操作成本总和最小化为目标的库门分配与车辆路径优化模型。根据问题的特征设计改进的自适应遗传算法,并根据时空距离生成初始解。通过对不同规模的算例进行对比和分析,验证了模型的正确性和算法的有效性,结果表明,所得出的库门分配和车辆调度优化方案可以有效降低越库配送中心的运营成本。研究成果拓展和丰富了越库配送下的车辆路径问题研究,能为物流企业优化配送方案提供理论依据。     

Inventory routing problems in a context of vendor-managed inventory system with consignment stock and transshipment

The inventory routing problem involves the integration and the coordination of two components of the logistics value chain: the inventory management and the vehicle routing decisions. In fact, the aim is to jointly decide on the distribution tour, from a distribution centre to a set of locations, and on the inventory policy for each location. Although many research investigations show great interest in policies such as transshipment or dynamic routings on the distribution system performances, these approaches are often criticised in practice as being too restrictive. In this article, we consider the inventory routing framework in a supplier integration context, i.e. a vendor-managed inventory with a consignment stock policy. Under such framework, we show that the transshipment brings more benefits than the classical context. In particular, we consider the case of static routings and we numerically show that transshipment permits to better optimise the distribution tours and to improve the global performance of the supply network.     

Distribution with Quality of Service Considerations: The Capacitated Routing Problem with Profits and Service Level Requirements

Inspired by a problem arising in cash logistics, we propose the Capacitated Routing Problem with Profits and Service Level Requirements (CRPPSLR). The CRPPSLR extends the class of Routing Problems with Profits by considering customers requesting deliveries to their (possibly multiple) service points. Moreover, each customer imposes a service level requirement specifying a minimum-acceptable bound on the fraction of its service points being delivered. A customer-specific financial penalty is incurred by the logistics service provider when this requirement is not met. The CRPPSLR consists in finding vehicle routes maximizing the difference between the collected revenues and the incurred transportation and penalty costs in such a way that vehicle capacity and route duration constraints are met. A fleet of homogeneous vehicles is available for serving the customers. We design a branch-and-cut algorithm and evaluate the usefulness of valid inequalities that have been effectively used for the capacitated vehicle routing problem and, more recently, for other routing problems with profits. A real-life case study taken from the cash supply chain in the Netherlands highlights the relevance of the problem under consideration. Computational results illustrate the performance of the proposed solution approach under different input parameter settings for the synthetic instances. For instances of real-life problems, we distinguish between coin and banknote distribution, as vehicle capacities only matter when considering the former. Finally, we report on the effectiveness of the valid inequalities in closing the optimality gap at the root node for both the synthetic and the real-life instances and conclude with a sensitivity analysis on the most significant input parameters of our model.     

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.