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。     

时变路网下多中心电动车-无人机协同配送路径优化

针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。     

疫情下医用防护物资“无接触”配送优化

针对疫情下医用防护物资无人车“无接触”配送模式，构建考虑医院优先等级的医用防护物资无人车配送优化模型。根据无人车实时路径规划的特点，初始阶段以配送时间最短，综合满足率最高为目标，对无人车配送路径及物资分配进行初步规划。当路况信息发生实时变化，基于局部更新策略对配送路径进行调整，以更好满足配送的时效性。针对遗传算法局部早期搜索易陷入早熟，后期种群进化停滞的缺陷，设计遗传模拟退火算法放大适应度相近的个体差异，使优秀个体后代作用更加明显。最后，以新冠疫情(COVID-19)爆发期武汉市江汉区与江岸区医用防护物资配送为例，对模型与算法进行验证。结果表明，本文构建的模型考虑了医院优先级别与物资满足程度，能科学地配送医用防护物资，并根据路况信息变化实时调整配送方案；与标准遗传算法相比，设计的遗传模拟退火算法求解稳定性更优，解质量也更高；与传统模型相比，车辆通过拥堵路段的时间越长，无人车配送模型优势越明显。     

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。     

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。     

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。     

基于资源共享和温度控制的生鲜商品多中心车辆路径优化问题

针对生鲜商品多中心共同配送优化研究在资源共享和温度控制有效结合方面存在的不足,提出研究集成资源共享和温度控制的生鲜商品多中心车辆路径优化问题。首先,结合生鲜商品的易腐性和配送过程的及时性特征,构建了包含生鲜商品多中心间的运输成本、配送成本、车辆温控成本、违反时间窗惩罚成本、生鲜商品价值损失和车辆租赁成本的物流运营成本最小和配送车辆使用数最小的双目标优化模型。然后,设计了结合生鲜需求客户地理位置、需求商品温控区间和时间窗约束的K-means多维聚类算法,进而提出一种TS-NSGA-II算法,该算法设计了禁忌搜索算法(TS)和非支配排序遗传算法(NSGA-II)间有效的选择性赋予机制,进而增强了解空间的搜索和寻优能力,并通过与MOGEA和MOPSO算法的对比分析,进一步验证了模型和TS-NSGA-II算法的有效性。最后,通过实例分析探讨了不同资源共享模式和温控区间的多中心车辆路径优化方案,研究结果可为生鲜商品物流配送企业进行资源共享模式选择和温控区间设计提供方法支撑和决策支持。     

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。     

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。     

整合逆向物流协同配送动态路径优化问题研究

整合逆向物流的协同配送面临着客户需求随机并发、行驶路径开环多变等不确定性挑战,这给配送路径动态规划和方案柔性制定带来了更严苛的要求.为此,使用"时间片"划分方式,将动态配送问题转化为一系列静态优化问题,提出了整合逆向物流的协同配送动态路径优化两阶段求解策略.首先,通过考虑车载量以及时间窗等软硬约束条件,构建以总物流成本最小和客户满意度最大的多配送中心协同配送初始-实时动态路径规划模型.其次,设计带有非支配排序与精英策略的多目标免疫遗传算法MOIGA对模型进行求解.最后,研究结果表明客户满意度与物流运营成本之间呈现悖反关系,高配送成本会带来高客户满意度,在相同成本支出情况下,MOIGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、MOIA,这也验证了模型的有效性以及方法优越性.     

Pre-distribution vs. post-distribution for cross-docking with transshipments

Cross-docking operation is a logistics service mode aims to remove the storage and picking up functions of a warehouse, and coordinate goods loading between delivery vehicles and shipping vehicles. Transshipment is another logistic technique that allows goods to be conveyed from an overstocked store to a nearby understocked store, to avoid backordering or loss of sale. This paper models and analyzes two typical cross-docking operations: pre-distribution cross-docking operations (Pre-C) and post-distribution cross-docking operations (Post-C) when transshipments among retail stores are applied. The different operational performances are investigated and compared. The analytical results show that, considering the inventory cost, transshipment cost and operations cost at the cross-dock, the suitability of Pre-C and Post-C are highly sensitive to operations environment factors such as the uncertainty of demand, the unit operations cost at the cross-dock, and the unit inventory holding and shortage cost.     

Cross-docking: State of the art

Cross-docking is a logistics strategy in which freight is unloaded from inbound vehicles and (almost) directly loaded into outbound vehicles, with little or no storage in between. This paper presents an overview of the cross-docking concept. Guidelines for the successful use and implementation of cross-docking are discussed and several characteristics are described that can be used to distinguish between different cross-dock types. In addition, this paper presents an extensive review of the existing literature about cross-docking. The discussed papers are classified based on the problem type that is tackled (ranging from more strategic or tactical to more operational problems). Based on this review, several opportunities to improve and extend the current research are indicated.     

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）。     

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.     

A comparative study of formulations for a cross-dock door assignment problem

A cross docking facility is a type of warehouse in supply chain management that allows orders to be prepared with or without going through the phase of storing products in the warehouse and subsequently selecting them for delivery. The goods are unloaded from incoming trucks called origins on inbound doors of a cross-docking facility platform and, using a handling device inside the platform such as a forklift, immediately transferred to outbound doors to be loaded into outgoing trucks named destinations or delivery trucks for distribution to customers. Contrary to a traditional warehouse, goods are unloaded and loaded without placing them in temporary storage inside the cross-docking facility. The goal of the cross-docking assignment problem (CDAP) is to assign origins to inbound doors and destinations to outbound doors so that the total cost inside the cross-dock platform is minimized. To the best of our knowledge, there are only three mixed integer programming (MIP) formulations of the CDAP in the literature. We propose eight new MIP models and demonstrate the mathematical equivalence of all 11 models, together with rigorously proving some of their properties. In order to detect which of these 11 models is best, we conduct an extensive comparative analysis on benchmark instances from the literature, which discloses that the best model is one proposed in this paper for the first time.     

物流配送中心直通配送运作时间优化研究

针对直通配送需要尽可能缩短配送中心内运作时间的问题,利用总运作时间与完成所有操作所需时间最长的货源操作时间等价的关系,构建了以最小化总运作时间为目标的配送中心内货源及目的地的出入站口指派问题模型。设计了对个体分2段进行编码、交叉和变异等操作的遗传算法,对模型进行求解,通过算例验证了模型及其算法能够对配送中心内的运作时间进行有效优化。     

同时集散货物的开放式车辆路径问题研究

本文研究了车辆工作时间限制下同时集散货物的多配送中心开放式车辆路径问题,以车辆数和运输里程最小为目标,建立了多目标规划模型,提出了基于拉格朗日松弛技术和禁忌搜索算法的混合求解算法。 该算法首先求出最优解的最大下界,然后采用客户点的分配和调整策略实现解的可行化,其中禁忌搜索引入了4种领域搜索方法,采用了随机变领域搜索方法和重起策略。算例分析表明,该算法能有效地找到满意解,且采用开放式安排路线比闭合式安排路线更加经济合理。     

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。