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.     

基于多目标优化的模糊需求VRPTW动态管理

针对具有模糊顾客需求的带时间窗车辆路径问题,建立了最小化车辆行驶距离和最小化配送服务延迟时间的多目标模糊机会约束规划模型,提出了管理车辆服务模糊需求的动态优化策略,设计了嵌入模糊模拟的改进非支配排序混合遗传算法来求解模型。通过Solo-mon标准算例的仿真实验,不仅讨论了决策者主观偏好值对决策目标的影响,而且与传统车辆调度方法进行了对比分析,验证了该动态管理策略的有效性。     

具有模糊旅行时间的VRP的一种混合遗传算法

传统确定性车辆路径问题是近几十年来运筹学领域研究的一个热点问题.但在许多实际的应用中,由于受客观世界中存在的不确定性因素以及人类观察、认识事物的模糊性的影响,车辆路径问题的某些参数可能是模糊的、不确定的.文中传统确定性车辆路径问题被扩展为具有模糊特征的模糊车辆路径问题.在对具有模糊旅行时间的车辆路径问题进行简单描述的基础上,构建了该问题的数学模型,并通过将模糊逻辑、模糊控制方法与传统车辆路径问题的遗传算法进行有效结合,提出了解决该问题的一种混合遗传算法.最后给出了该问题的一个计算实例,并通过随机模拟试验验证了该算法的有效性和优越性.     

基于诱导 Choquet 积分算子的群决策方法

研究了决策者对方案有模糊偏好且偏好间存在相互关联的群决策问题.给出了诱导 Choquet 积分算子的定义,研究了它的性质;探讨了它与诱导有序权重平均、Choquet 积分算子之间的相互关系;利用重要指数诱导Choquet 积分和偏好诱导 Choquet积分算子,给出了决策者对方案的个人偏好是模糊偏好关系的一种群决策方法.最后,通过实例说明这种方法的具体应用及计算过程.     

应急系统多出救点选择问题的模糊规划方法

针对应急系统的特点 ,提出了基于“时间最短”、“出救点数目最少”的多目标数学模型。考虑决策者偏好的模糊性 ,本文采用模糊规划的思想方法处理该问题 ,并给出了相应的求解算法。算例及实际运用令人满意     

对方案有偏好的区间数多属性灰色关联决策模型

针对属性值以区间数形式给出并且已知方案偏好信息的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了该问题的计算步骤,其核心是通过构建并求解一个单目标最优化模型,得到属性权重信息,从而计算出每个方案客观偏好值与主观偏好值的灰色关联系数,进而得到每个方案客观偏好与主观偏好的关联度,根据关联度对所有方案进行排序。最后给出了一个数值例子,结果表明方法简单,有效和易于计算。     

物流中心选址的多目标优化研究

物流中心选址是一个定性与定量相结合的问题.首先以最小化建设成本和最大化建站的综合评价值为目标,建立一个双目标规划模型.首先,根据决策者是否知道目标函数的偏好,提出加权法和折衷规划法.最后,通过多目标模糊决策分析方法获得了多目标优化方案,利用模糊分析法的原理,确定评价指标,然后把供选择的物流配送中心方案在模糊环境下进行排序,从而得出最优的选址方案.     

基于改进直觉模糊熵的混合多属性决策方法研究

针对属性值以区间数、语言值、直觉模糊数呈现时,提出了基于改进的直觉模糊熵和熵权法结合的方法确定属性的客观权重,通过建立主观偏好值与客观权重的总偏差最小的规划模型得到主观权重,组合赋权后建立可能度矩阵对方案排序,最后给出算例,验证方案的可行性和有效性。     

基于前景理论的多阶段混合信息决策方法

针对属性值为混合信息的多阶段决策问题,考虑决策者风险偏好态度,提出一种新的基于动态参考点的前景理论决策方法。通过定义直觉模糊熵,将混合信息一致化为信息效用值,并在传统单阶段参考点设置方法的基础上引入目标参考点,综合发展状态和发展趋势计算得到具有决策者风险偏好波动特点的动态参考点;进一步通过熵权法确定属性的权重范围,并构建考虑偏差度的目标优化模型,在引入前景理论的基础上测算各备选方案的动态前景值。将该决策方法应用到商业银行对小微企业贷款融资的选择案例中,对比分析说明方法的合理性和可行性。     

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。     

A reactive tabu search algorithm for the vehicle routing problem with simultaneous pickups and deliveries

The vehicle routing problem with pickups and deliveries (VRPPD) extends the vehicle routing problem (VRP) by allowing customers to both send and receive goods. The main difficulty of the problem is that the load of vehicles is fluctuating rather than decreasing as in the VRP. We design a reactive tabu search metaheuristic that can check feasibility of proposed moves quickly and reacts to repetitions to guide the search. Several new best solutions are found for benchmark problems.     

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。     

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.     

有模糊时间窗的车辆调度组合干扰管理研究

研究带有模糊时间窗的车辆调度组合干扰管理模型及其混合遗传算法.采用时间窗模糊化处理方法,定义客户满意度函数,根据干扰管理思想对车辆调度中组合性干扰事件进行分析,从配送路径、配送成本和客户满意度三个方面进行干扰辨识与度量,建立基于模糊时间窗的车辆调度组合干扰管理模型;构造模型求解的混合遗传算法,将最佳客户插入规则与遗传算法结合,同时在算法中嵌入模糊优化程序以处理问题的模糊特征;进行数值实验,实验结果验证了模型与算法的有效性.     

Vehicle routing–scheduling for municipal waste collection system under the “Keep Trash off the Ground” policy

This paper investigates the waste collection problem and characterizes the problem as a set-covering and vehicle routing problem (VRP) complicated by inter-arrival time constraints. The study proposes a bi-level optimization formulation to model the split delivery VRP with multiple trips to determine the minimum-distance route. The first stage optimally plans the collection points that cover all residential blocks. The second stage applies a heuristics method to solve the minimum vehicles used and minimum distance traveled for collecting residential waste. This research contributes to model this period VRP and to introduce the heuristics method to solve the problem efficiently. The study is important in laying the groundwork for understanding the possibility of improving the service level of municipal solid waste collection.     

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）。     

The multiple traveling salesman problem: an overview of formulations and solution procedures

The multiple traveling salesman problem (mTSP) is a generalization of the well-known traveling salesman problem (TSP), where more than one salesman is allowed to be used in the solution. Moreover, the characteristics of the mTSP seem more appropriate for real-life applications, and it is also possible to extend the problem to a wide variety of vehicle routing problems (VRPs) by incorporating some additional side constraints. Although there exists a wide body of the literature for the TSP and the VRP, the mTSP has not received the same amount of attention. The purpose of this survey is to review the problem and its practical applications, to highlight some formulations and to describe exact and heuristic solution procedures proposed for this problem.