基于遗传算法的医院膳食供应模式优化

本文讨论了具有确定目标时间窗的并行批处理机生产配送组合问题,且订单最后一道工序需要在目标时间窗内发生并完成。本文提出分组生产配送策略,在该系统中,全部订单被分为若干组,按组在并行批处理机上加工完成后,各订单被分别配送至对应目的地。研究目的在于安排合理的订单分组及加工机器分配,从而最小化全部订单的配送提早时间及延迟时间之和。提出了混合整数规划模型及两种遗传算法来解决此生产调度问题。实验结果显示本文提出的启发式算法明显优于传统方法,算法有一定借鉴意义。     

网上超市订单分配与物流配送联合优化方法

针对网上超市一地多仓环境下的订单分配与物流配送两个环节,从联合优化的视角出发,以最小化物流配送成本为目标建立了非线性混合整数规划模型,并设计了一种启发式算法进行求解.在该启发式算法中,基于缩减问题求解空间的思想,引入人工智能状态空间搜索,利用物流配送阶段影响配送成本的关键因素作为订单分配的规则,采用改进的广度优先搜索算法生成较好的订单分配方案集合.利用C-W节约算法和邻域搜索技术,在优化配送路径时调整订单分配方案.最后构造算例验证了该算法的有效性.     

带时间窗的多仓库订单拆分与异构车辆路径联合优化方法

随着在线零售业的快速发展,在多仓库的环境下,订单拆分与限时配送已成为订单履行过程的两个关键环节.现有研究和实际运营过程中通常按照两个独立的问题来处理这两个环节,忽略了它们之间的耦合关系.本文研究了在线零售环境下考虑多仓库订单拆分与异构车辆路径的联合优化方法,特别考虑了有限库存和时间窗约束.本文为该问题构建了混合整数规划模型,并设计了一种分支定价与邻域搜索相互嵌套的联合优化算法进行求解.在初始的订单拆分方案的基础上,通过分支定价算法求解带有时间窗的异构车辆路径问题,在分支定价算法中,提出了一种双向标签设置算法加速定价子问题的求解;接着使用邻域搜索算法寻找当前最优车辆路径解下可行的订单拆分方案;通过交替使用分支定价算法和邻域搜索算法进行迭代求解,在调整订单拆分方案时优化配送路径.实验分析部分验证了模型和算法的有效性,表明算法能够减少订单拆单率、优化配送路径、降低配送总成本,从而有效实现订单拆分与异构车辆路径的联合优化.     

电子商务中订单配送优化模型及两阶段算法

针对电子商务环境下订单配送问题的特点,建立了以最小化车辆行驶费用及订单惩罚费用为目标的数学模型.设计了两阶段启发式求解算法.第一阶段用禁忌搜索算法求解在作计划日当天已到交货期的订单的基本配送问题;第二阶段考虑了订单的未来信息,用基于评价值的贪婪插入算法将未到交货期的订单与已有的配送方案进行整合配送,该方法能够提高车辆的使用率及配送企业的配送效率.实验结果验证了模型的合理性及算法的有效性.     

基于学习效果的蔬菜电商成组拣货排序方法

按单拣货是电子商务背景下物流配送中心最关键、最复杂的作业环节.它直接衔接着物流配送和客户,且大部分是劳动密集型作业,因此按单拣货也是出错率最多,耗费时间最长的环节.在拣货之前对订单考虑配送因素和相似性成组,能够大大降低拣货成本.蔬菜电商拣货系统是基于人的柔性作业系统,拣货人员的学习效果导致作业效率随时间变化,从而订单的拣货时间不确定,对按单拣货作业有着不可忽视的影响.本文针对蔬菜B2C电子商务直销背景下拣货环节的订单成组作业优化问题进行研究,基于拣货人员的学习效果,建立最小化订单拣货完成时间之和的拣货序列优化模型.针对该问题多阶段,多层次决策特点,基于序贯决策思想,提出两阶段的求解方案:第一阶段订单成组,提出同时考虑订单配送距离,打包材料相似性和订单相似性三种指标融合的订单成组准则,并给出启发式算法对订单进行成组;第二阶段成组订单作业调度,提出基于修订式非递减的订单规模排序方法对组内订单进行排序,组间排序是基于具有降低搜索范围,提高搜索能力的改进模拟退火-遗传算法.通过数值实验和算法比较,验证了本文算法的有效性和实用性.研究结果表明,本文得到的方法能大大缩减拣货时间成本,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导.     

基于最短时间碎片的在线生产调度算法研究

针对订单型企业的在线生产调度问题,文章通过统计每个设备上允许插入工序的时间区间,提出了基于最短时间碎片的启发式在线生产调度算法.该算法的主要思路是将工序的先后约束关系和在同一设备上的先后执行关系统一建模为无圈有向图,从而依据最短时间碎片将新订单的调度过程转化为在有向图中添加顶点和有向边的过程.仿真实验结果表明该算法可以在保证订单交付期的前提下实现排产任务,并尽可能少地变更已排产工序在设备上的相对位置;在订单频繁到达时,调度的设备利用率较高,达到了约94%;此外,算法运行较快,适用于较大规模在线生产调度问题的求解.     

基于延迟理论的Supply Hub出库调度模型

考虑了配送准时性和配送成本之间的悖反关系,将延迟理论引入配送调度,研究了订单随机到达、准时配送的supply hub的出库调度问题.考虑订单到达时间的随机性对配送准时性的影响,设计了一个带延迟因子的滚动调度模型,建立了supply hub准时制配送的出库调度多目标规划模型.根据模型的特点,设计了求解模型的克隆免疫算法.最后,结合数值实验,对延迟调度模型和实际使用的调度模型进行了对比分析.研究结果表明,带延迟因子的调度模型相比常规调度策略.能明显降低随机性订单的配送成本.     

带硬时间窗的O2O生鲜外卖即时配送路径优化

针对线上到线下（O2O）生鲜外卖订单动态性高和配送服务时效性强的特征，建立以配送距离最小为目标，带硬时间窗的O2O生鲜外卖即时配送路径优化模型。根据硬时间窗的要求和合单配送思想，设计滚动时域延迟配送算法进行求解。通过大量数值仿真实验验证了该算法在实际网络与一般仿真网络中均具有有效性，并且配送距离比滚动时域非延迟配送算法短。通过对各项参数的敏感性分析，发现滚动时域时长不宜过长或过短，且订单的时间窗对配送距离的影响不明显。为了缩短配送距离，可以增加配送员车容量。研究结果可为生鲜企业的即时配送车辆调度提供理论指导。     

移动货架系统多机器人“存-取货架”调度优化方法

近年来,机器人移动货架系统已成为我国智慧物流与智能仓储的重要发展方向,多机器人“存-取货架”调度优化问题是影响该系统运行效率的挑战性难题.本文以减少机器人总行驶距离为目标,对机器人“存货架”和“取货架”进行联合决策,构建了多机器人“存-取货架”调度优化模型.针对该问题具有决策耦合性、解空间巨大的难点,设计了限定宽度的动态规划算法获取初始解,并将所构建的整数规划模型嵌入自适应大邻域搜索启发式框架中,通过两种分解算子将原模型转化为较小规模的子模型,提出自适应数学规划启发式算法,能够快速生成近似最优的调度方案.数值实验表明,与分别优化“存货架”和“取货架”调度相比,本文的联合调度优化方法能够减少约60%的机器人总行驶距离;与实践中普遍应用且性能表现最好的就近指派规则对比,本文方法可降低10%至15%的机器人总行驶距离.本文结论可为指导企业的仓库布局与调度提供借鉴,对我国智能仓储的发展具有重要意义.     

可外包条件下最大时间偏离受限的单机重调度

在一批新工件突然到达、单转包商可加工任意工件的条件下,研究最大时间偏离量与总外包费用不超过给定上限、使总完工时间与总外包费用加权和最小化的单机重调度问题.在构建0-1规划模型、分析NP困难性、提出若干优化性质的基础上,利用动态规划技术和两种不同的外包工件集决策方式,分别设计出工件添加型启发式算法和工件排除型启发式算法.在仿真实验中,通过系统生成大量测试算例,对比分析了两种启发式算法在求解质量、计算时间上的表现.实验结果表明,工件排除型启发式算法在优化质量与效率上均优于工件添加型启发式算法.     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

基于实时信息的城市配送车辆动态路径优化

针对城市物流配送的现状,研究了信息在配送过程中实时变化的动态车辆调度问题。分析了需求量在配送途中发生变化、需求点增减、道路交通中断、车辆在行驶过程中出现故障四种动态事件情形下的配送线路实时优化问题。通过引入虚拟顾客,将动态车辆路径问题转化为经典的静态单车型车辆路径问题,提出了动态车辆路径问题的模型构建方法。分构建初始线路和对线路进行实时优化两阶段完成对配送线路的规划,并运用混合遗传算法对其寻优。实验结果表明,本文模型和算法可以有效降低企业配送成本。     

基于配载约束的配送优化问题及其求解算法

车辆配载与配送是两个相互联系与相互影响的子问题,考虑了货物的易损性、装载的稳定性、物品不可倒置、车辆平衡性、先下后装等配载约束,构建了车辆配载与配送联合优化的混合整数规划模型,基于问题自身的特点开发了由配载启发式算法和基于节约值的蚁群算法有机结合的交互式混合算法,采用基准实验问题(benchmarkproblems)进行了一系列对比试验,结果显示了所提出的模型及算法的有效性与实用性.     

考虑多运输模式的生产与运输集成调度问题

对全球化MTO供应链中一类生产与运输的集成调度问题进行了研究。该问题考虑由单制造商、多客户组成的供应链环境、不同的订单大小、不同的订单复杂度、允许多个订单在单机同时生产以及多种运输方式等现实特征。以最小化供应链总成本为目标,该问题被建模为一个混合整数非线性规划模型;提出了基于前向调度的启发式算法求解该模型。基于真实的行业数据,将该算法的性能与基于遗传算法、顺序调度的方法、以及工业排序方法所产生解的性能进行了比较。比较结果表明,所提出的启发式算法的性能优于后3种方法。     

基于优化资源流约束的模具多项目反应调度算法

针对模具多项目执行过程中由于任务拖期而导致的调度计划变更,提出了一种基于优化的资源流约束的反应调度算法. 首先利用基于优先规则的微粒群算法构建一个项目加权工期之和最小的初始调度计划,采用启发式算法建立并优化初始调度计划的资源流网络,并将关键链技术与资源流网络相结合,对初始调度计划进行合理的时间缓冲设置. 然后建立了以调度计划扰动费用最小为优化目标的反应调度模型,并用基于优先规则的微粒群算法进行求解. 最后,通过仿真计算分析了算法的可行性与可靠性,结果表明该反应调度算法在模具多项目动态调度中具有一定的应用价值.     

未定路网情景下灾后应急物资多方式配送的LRP研究

研究未定路网情景下灾后应急物资多方式配送的定位-路径问题(LRP),综合考虑应急路网连通情况、时间窗限制、车辆随机行驶时间、应急物资满载直配与巡回配送等特性,以应急物资总配送时间最短为目标,构建一个灾后应急物资多方式配送的LRP优化模型,并根据模型特点设计一种混合启发式算法予以求解。最后,通过算例验证了本文模型和算法的可行性与有效性。     

基于供应商满意度与模糊能力的服务大规模定制供应链调度优化

稳定多样的服务资源是服务大规模定制绩效的重要保障，服务集成商不单要重视客户需求，还要注重提高供应商满意度，从而吸引更多服务资源整合到服务供应链中。供应商满意度被分解为订单需求偏好和协调配合程度两个维度，并从服务供应链的集成特性和供应商相互制约特性出发，论述了其对服务大规模定制模式下供应链调度方案的重要影响。服务供应商的需求偏好与动态联盟造成供应商服务能力的不确定性。构建基于供应商满意度与模糊能力的多目标、多阶段供应链调度优化模型和求解算法。模型较好地模拟了服务定制订单的复杂性与服务能力的不确定性，算例分析验证了模型与算法的有效性。     

面向两客户的差异工件平行机批调度问题

将差异工件的批调度问题扩展到两客户生产环境,建立了两个客户分别以最小化制造时间跨度和最小化最大工件延迟时间为生产目标的差异工件平行机批调度模型.首先提出了一种启发式算法TSEDD(two-set earliest due date)对分批方案进行排序并安排到平行机,然后设计了一个多目标蚁群优化算法MOACO(multi-objective ant colony optimization)对不同客户中的工件进行分批并结合TSEDD完成对问题Pareto最优解集的求解.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,MOACO具有较好的求解效果,且随着问题中工件规模的增大,算法的优势更加明显.     

基于滚动优化策略的成像侦察卫星应急调度方法

针对成像侦察卫星应急调度问题进行研究, 在分析主要约束条件的基础上, 构建了多星调度问题的约束满足模型. 根据应急任务具有独立到达时刻与执行截止期需求的特点, 提出了基于滚动优化策略的调度算法. 该策略采用周期驱动与事件驱动相结合的混合驱动模式, 可将调度过程划分为一系列静态的调度区间. 通过优化各区间内任务的规划方案, 实现应急任务的动态调度. 在问题求解过程中, 将滚动优化策略与启发式算法结合, 形成了三种应急调度算法. 最后通过仿真实验, 对不同算法的调度效果进行对比, 验证了滚动优化策略的有效性.     

基于动态交互层的柔性作业车间动态调度问题研究

为快速应对柔性作业车间生产过程中出现的突发状况,构建了一种以全局任务最大生产完成时间以及紧急订单生产完成时间为优化目标的柔性作业车间动态调度模型。针对上述模型,提出一种更加适用于动态排产的动态交互层DIL (Dynamic Interaction Layer)来代替滚动窗口。设计了粒子群遗传混合算法PSGA (Particle Swarm Genetic hybrid Algorithm),将粒子群算法中位置更新策略与遗传算法基因突变融合,加强算法局部搜索能力。针对柔性作业车间订单加急的意外状况,采用DIL与PSGA相结合的方法求解动态调度问题。通过仿真实验,验证了DIL处理紧急订单的能力和PSGA算法的有效性。