生鲜农产品多隔室冷链配送车辆路径优化

针对生鲜农产品需求呈现出的高鲜活度、多品种、小批量特性,越来越多的生鲜农产品配送商采用多隔室配送车辆进行生鲜农产品冷链物流配送。本文以生鲜农产品配送商配送成本最小化为目标,建立了生鲜农产品多隔室车辆路径优化模型,然后设计粒子群算法进行求解,最后通过实例验证了粒子群算法在求解生鲜农产品多隔室车辆路径问题时的优越性和稳定性。实验结果表明:粒子群算法不仅可以从配送成本实现对生鲜农产品多隔室车辆路径问题的优化,而且该算法具有良好的收敛性。     

基于多智能体的网购生鲜无人车配送调度仿真

无人车配送可有效缓解目前末端配送效率低、人力成本高、安全隐患多等问题。以城市社区网购生鲜无人车配送为研究对象，搭建了网购生鲜时空需求数据驱动的多智能体仿真平台，构建了基于实际路网的仿真环境及无人车、客户、配送站3类智能体，以运营成本最小及客户满意度最大为优化目标，设计并测试了动静态订单分配策略及距离最近或时间最紧配送路径规划策略。基于上海某生鲜电商实际订单数据，对不同策略展开情景模拟及敏感度分析，实现了运力资源的优化配置。     

物流配送中的绿色车辆路径模型与求解算法研究综述

随着绿色物流的发展,绿色车辆路径问题(green vehicle routing problem,GVRP)已引起学界的广泛关注,但关于GVRP最新研究进展的综述文献较少.首先,简要介绍GVRP基础模型和油耗/碳排放的主要测度方法;其次,根据GVRP环境效益优化目标及目标函数的构成,将GVRP模型分为油耗/碳排放最小化VRP、综合成本最小化VRP和多目标VRP三种类型,并从优化目标、油耗/碳排放的影响因素和测度模型,以及约束条件等方面进行分类综述;然后,简要介绍求解GVRP模型的精确算法、启发式算法和元启发式算法,并对应用较为普及的主要元启发式算法进行分析;最后,阐述了即时物流配送、冷链物流配送、电动车物流配送和共同物流配送等GVRP新的应用领域,指出了GVRP理论和方法的发展趋势.     

基于模拟植物生长算法的异速并行机调度 ——以汽车4S店维修车间瓶颈环节调度为例

汽车4S店维修车间的钣喷设备是整个维修服务系统的瓶颈, 通过对瓶颈的合理调度可以有效地提升系统效率. 首先, 用三元组α/β/γ方法, 将该问题描述为受准备时间和机器适用约束限制的, 以最小化加权滞后时间和为目标的异速并行机调度问题, 建立了对应的数学模型. 接着, 采用模拟植物生长算法求解此类调度问题, 提出了与问题相适应的生长点表示方法和迭代方法. 最后, 通过实例仿真简要分析了模型及算法的可行性和有效性.     

考虑新鲜度的农产品冷链物流配送受扰恢复模型

冷链物流配送过程中干扰事件发生后,初始配送方案将不再最优甚至根本不可行,此时如何生成副作用最小的调整方案,快速恢复配送的正常运行,是当前研究的难点.本文运用干扰管理思想,通过度量农产品新鲜度和配送服务时间,创建农产品冷链物流配送的受扰恢复模型;进而在目标节点选择策略、解空间缩减策略和算法融合策略的基础上,提出求解该模型的启发式算法.算例结果表明:与重调度方法相比,本文方法充分考虑了农产品的质量安全,生成的调整方案扰动更小,因此更为实用.     

基于冲突合作关系的生鲜选址-路径多主体优化模型与算法

针对城市生鲜农产品配送成本高，产品损耗大等特点，考虑生鲜销售商和外包冷链配送公司共同参与又独立决策的实际运营情况，建立了基于冲突合作关系的生鲜配送选址-路径多主体优化模型.模型中，考虑客户模糊时间窗，主导层生鲜销售商以系统总成本最低为目标，而从属层冷链配送公司仅考虑运输相关成本最小化.设计了GAPSO混合算法求解该问题，结合精英选择策略和自适应权重粒子更新策略，采用田口分析法获取参数合理取值.与CPLEX求取小规模算例精确解对比，GAPSO算法在保持准确性的同时，求解时间降低了96.17%；对基于Barreto和Prins经典LRP基准案例集的中大规模算例，与HybridGA算法和已知最优解BKR对比分析，结果表明GAPSO对于中小规模问题，能很好的收敛于全局最优解，对于大规模问题能求得近似最优解，能为实际生鲜选址和配送问题提供有效决策支持.     

基于电商承诺送达机制的低碳“同日达”配送路径规划

针对"同日达"物流配送中的承诺送达机制,提出一种同时考虑消费者满意度和碳排放量的物流配送问题,基于电商平台配送成本、消费者满意度以及碳排放量三个方面,建立多目标多配送站"同日达"配送路径优化模型。根据建立的优化模型,提出一种改进后的人工蜂群算法进行求解,将"就近原则"引入初始化阶段,从而使多配送站问题转化为单配送站问题,并通过精英保留策略有效地利用种群中优势解的有利信息,从而提高对其最优解的搜索效率。实验结果表明,所提出的优化模型和算法的求解结果能够兼顾物流成本、消费者满意度和碳排放量三个目标。     

基于妥协案例推理的作战仿真实验范围迁移

作战仿真实验范围通常依靠专家确定，耗费代价较大。为将作战仿真实验的历史数据中关于实验范围选择的知识迁移至新的作战仿真实验案例，提出一种基于妥协策略的案例推理方法。根据案例的数据特点，提出作战仿真实验案例的表示方法；根据案例的结构和属性特点，提出主客观综合赋权的混合相似度计算方法；针对案例检索时出现检索失败和检索结果包含信息量较少的问题，提出基于妥协策略的案例检索方法；根据检索结果的特点，提出实验范围的整合迁移方法。基于历史数据进行了实验分析，证明了方法的有效性。     

考虑供应商聚类的应急医疗物资协同配送仿真

针对突发公共卫生事件应急处置中存在的地方政府医疗物资储备不足、配送效率低下等问题,设计了一种考虑供应商聚类的两阶段应急医疗物资公私协同选址分配模型。在备灾时利用模糊聚类算法实现供应商聚类,并与政府建立合作机制以实现应急医疗物资联合储备;在救援初期依托政府和各类供应商的物资储备及运输能力,构建以最小化物流总成本与需求未满足率加权和为目标的选址分配仿真模型。设计改进的非支配排序遗传算法对此两阶段模型进行求解。以新冠肺炎疫情中武汉市医疗物资调度设计仿真算例,并对比有无供应商聚类对模型的影响。仿真结果表明：该模型在协调政府和供应商的应急医疗物资储备、运输以及调度决策方面具有优势。     

时间依赖型多时间窗车辆路径问题研究

针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明：HDGWO可有效求解TD_VRPMTW。     

鲜活农产品冷链物流配送的干扰管理模型研究

针对干扰事件导致鲜活农产品冷链物流配送难以顺利实施这一难题,以生成扰动最小的调整方案为突破口,运用干扰管理思想,结合行为科学中行为感知的研究方法与运筹学中定量优化的研究手段,分析干扰事件对生产商、客户和物流配送运营商三个行为主体的影响,创建鲜活农产品冷链物流配送的干扰管理模型,并采用改进的蚁群算法——混合蚁群算法进行求解.算例结果表明:与重调度方法相比,本文方法能够综合考虑多个主体的利益,生成使系统扰动更小的调整方案.     

基于食品安全的生鲜食品冷链运营优化研究

针对我国生鲜食品冷链物流成本高、食品易腐败的特点,在考虑食品安全的基础上,本文利用生鲜食品质量衰减原理,设计了基于温度控制的多产品分阶段生鲜食品冷链运营模式,建立数学模型对冷链配送网络选址、配送路线规划以及各环节温度选择进行优化研究,在保障食品质量安全的同时最大程度降低物流成本,最后通过算例仿真及对比研究验证了模型及算法的可行性和有效性.     

基于多智能体仿真的电商物流配送波次策略分析

为了提供良好的网络购物体验同时保证公司较高的盈利水平,电商物流企业需要规划合理的配送波次来寻求配送成本和配送时效之间的平衡。提出了一个基于多智能体的仿真框架,将物流配送中的业务流程建模为仿真网络中的不同节点来进行仿真。以北京市区为例,研究了不同配送波次策略下的订单交付过程。实验结果表明,配送波次策略的选择对不同的网络购物需求具有一定的敏感性。     

碳交易机制对物流配送路径决策的影响研究

针对碳排放交易机制下的物流配送路径问题,引入考虑车辆载重和速度的碳排放度量方法,以TSP为基本参考模型,建立碳排放交易机制下的物流配送路径优化模型. 将该模型与传统的仅考虑经济费用的路径优化模型进行比较,说明碳排放交易机制下的路径安排策略能够有效减少碳排放. 通过数值实验探讨了碳交易、碳价格和碳配额对物流配送路径策略、碳排放量和总成本的影响. 并根据数值实验结果提炼出了一些对物流企业如何控制成本和降低碳排放的配送决策建议.     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-D CNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

考虑商品新鲜度与量变损耗的三级冷链库存优化模型

生鲜农产品在实际流通中存在质量与数量的“双重损耗”,为了进一步研究生鲜农产品“双重损耗”对供应链库存决策的影响,将保鲜投入引入冷链运作,建立相应的新鲜度与量变损耗函数,以供应链整体利润最大为目标,构建需求受新鲜度影响的三级冷链库存优化模型,运用遗传算法求解最佳的库存策略。最后,通过对相关因素的灵敏度分析发现,顾客对商品新鲜度的敏感性越高,越有助于系统利润的增加,且DC处保鲜投入费用的变化对系统利润波动的影响最小。     

基于深度残差神经网络的电阻层析成像及流型辨识方法

针对电阻层析成像(electrical resistance tomography, ERT)反问题成像精度和流型识别准确率偏低的问题,提出一种基于深度残差神经网络的两相流电阻层析成像及流型识别方法。利用有限元法对ERT正问题建模,构造多种气液两相流分布状态的“边界电压–电导率分布–流型类别”数据集。搭建用于气液两相流ERT图像重建和流型辨识的残差神经网络模型并进行网络训练,将残差神经网络的两个输出分别进行数据处理,得到重建的电导率分布图像和流型辨识结果。仿真与静态实验结果表明：该方法能够同时实现成像及流型辨识的需求,具有重建图像精度高、泛化性和抗噪性强、流型辨识准确度高的特点。     

基于产品体验性的供应链交货模型与仿真研究

消费者对线上购买产品的交货时间要求愈来愈高，根据产品体验性和市场地位确定产品交货时间对零售商变得更加重要。通过构建三种渠道权利结构下的供应链交货模型，分析了产品体验性对最优交货时间、考虑交货时间的零售商决策模式选择和交货后供应链利润的影响，并通过数值仿真验证了模型的正确性和可靠性。研究表明：不同权力结构下零售商最优产品交货时间均随着产品体验性降低而延长；产品体验性不影响零售商决策模式的选择，但对零售商主导下的供应商总收益影响较为明显。