多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

考虑卸载顺序约束的成品油二次配送车辆路径问题

研究考虑卸载顺序约束的成品油二次配送车辆路径问题,已知油库使用容量有限的多隔舱运输槽车为加油站配送多种类型的成品油,每个隔舱只能装载一种特定的油品,且装载到各个隔舱中的油品具有固定的卸载顺序.已知加油站对各种油品的需求量,假设每个加油站对同一种油品的需求只能由一辆车配送,考虑配送车辆的固定动用成本和运输成本,以总配送成本极小化为目标建立该问题的混合整数规划模型,并设计求解模型的自适应大邻域搜索启发式算法.利用不同规模的算例进行模拟计算与分析,从而验证算法的有效性.实验结果显示:对于小规模算例,大邻域搜索启发式算法能够以较高的概率得到全局最优解;对于中、大规模算例,大邻域搜索启发式算法可以在短时间内得到近似最优解,近似比不超过1.2.所提出的模型和算法可为石油公司制定成品油二次配送计划提供理论依据和决策支持.     

离散灰狼优化算法求解VRPSPDTW问题

本文针对带时间窗约束的同时送取货车辆路径问题,建立了以总配送距离最小化为目标的数学模型.根据模型的特征,在保留灰狼算法(GWO)搜索机制的基础上,提出了离散灰狼优化算法(DGWO)进行求解.采用多种策略构建种群的初始解,并允许出现不可行解,扩大种群的搜索区域;引入带评分策略的邻域搜索策略,调整每种算子的概率,使算法选择优化效果更好的算子;使用移除-插入机制,对优质解区域进行探索,加速种群的收敛.在仿真实验中对标准数据集进行了测试,将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比,实验表明DGWO算法能有效地解决带时间窗约束的同时送取货车辆路径问题.     

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.     

基于整车配送的多仓库开路VRPTW问题的研究与实现

以整车销售物流为背景，探讨多仓库带时窗约束的车辆路线安排问题的解决方法．提出了更为复杂的基于现实的细节性要求的多配送中心开路VRPTW问题模型，并将遗传算法产生部分解和评估完整解的优化解决方法和涌现交叉算子MX1引入到带时窗的多仓库VRP问题优化中，实现了快速全局优化．提出的开路混合配送方法有利于提高车辆满载率，降低回程空载率．同时实现了运输资源的优化配置，提高车辆利用率．计算机仿真实验证明了算法的可行性．     

B2B配送中考虑时间窗一致性的车辆路径优化模型与算法

在B2B (business to business)物流配送中,收货方通常对配送时间的规律性有较高要求,以配合自身的生产经营活动.对考虑时间窗一致性的车辆路径优化问题展开研究,构建其混合整数线性规划模型,并设计自适应大规模邻域搜索算法进行求解.针对每日配送路径在时间维度的一致性耦合关系,提出距离优先和时间窗优先相结合的优化策略,在算法框架中嵌入时间窗标定及一致性检验模型,并设计联动型算子以对每日路径方案进行协同操作.基于既有数据集、自建数据集和大规模实际算例对模型算法的有效性进行验证,结果表明,所提算法可以快速求得高质量解,提出的时间窗优先策略及对应的联动型算子可以显著提升算法性能.根据数值计算结果量化分析实现时间窗一致性的附加运输成本,揭示了不同客户点规模和时间窗长度下一致性成本的变化规律.     

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题, 本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW), 构建混合整数线性规划模型, 并设计改进的变邻域搜索算法(IVNS)实现求解. 采用两阶段混合算法构造高质量初始解. 提出均衡抖动策略以充分探索解空间, 引入粒度机制以提升局部搜索阶段的寻优效率. 标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性. 仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW, 且改进策略提高了算法的求解效率和全局搜索能力. 最后, 基于对配送策略和时效性的敏感性分析, 为相关配送企业降本增效提供更多决策依据.     

不确定环境下的危险品运输车辆路径优化

针对非满载危险品运输车辆路径优化问题,通过模糊变量刻画运输过程中的人口密度、行驶速度与运输时间以及客户需求量等方面的不确定因素,考虑载货量变化对风险评估的影响,建立基于动态载货量的风险评估模型,以运输总风险、车辆总行程、车辆使用数最小为优化目标,同时兼顾时间窗、事故概率、载货量等约束构建了不确定环境下的危险品运输车辆路径多目标优化模型。将NSGA-II算法与LNS算法相结合,设计混合NSGA-II算法求解模型。结果表明,混合NSGA-II算法可以获得空间分布均匀且收敛性较好的Pareto解集,不同运输参与者可根据自身偏好在解集中选择相应的配送方案;该算法得到的最优总风险、总行程及车辆使用数目分别比NSGA-II算法优化了11.5%、1.0%和14.3%,算法搜索性能和求解精度明显提高。     

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.     

考虑多投递的带无人机车辆路径规划问题研究

研究一种考虑多投递的带无人机车辆路径规划问题（VRPD-MD）,针对该问题,以执行任务车辆行驶总时间最短为目标函数,建立混合整数规划模型。为对该模型进行求解,提出一种基于遗传思想的自适应启发式算法AAGM,在该算法中,设计访问节点交叉算子和交会节点变异算子这两类邻域搜索算子,分别用于调整车辆与无人机的结合点以及车辆与无人机并行路径的访问点。此外,在AAGM算法中加入算子自适应选择机制与基于Metropolis规则的劣解接受机制,在避免算法陷入局部最优的同时加快模型收敛速度,提升算法的求解质量。基于改进的CVRP数据集对模型与算法进行验证,实验结果表明,多架次多投递的无人机配送模式较多架次单投递、单架次多投递模式更具优势,且AAGM算法能够有效求解VRPD-MD,相比NAAGM算法,增加自适应机制后的AAGM算法的平均求解时间与平均求解质量分别提高30%与1.83%。     

改进的粒子群算法在轧制负荷分配中的优化

针对带钢热连轧精轧机组中负荷分配的优化问题,提出一种基于经验的自适应双层粒子群优化算法(ADLPSO-EM)。每次种群迭代后,对记忆群体通过改进的更新公式进行更新。利用改进的自适应调整惯性权重的策略充分增强种群的多样性,提高全局搜索能力。最后,在将其应用于热连轧负荷分配问题时,通过以经验法得到的值产生一个搜索邻域,并通过变邻域求出最后的负荷分配。仿真结果表明,改进的算法对负荷分配优化具有明显的效果。     

基于多点协作的团队出行路径优化算法

针对团队出行过程中因信息孤岛导致出行路径非优化和延时等待等问题,提出了一种以团队成员信息共享为基础,以集中式计算为手段的协作式路径优化算法。该算法统筹考虑成员间会合的便捷性、路径/时间最短化等多种因素基础上,通过引入团队会合优先度因子对路径计算进行加权处理,从而实现整个团队出行路径的最优化。理论分析表明,协作式路径优化算法的计算复杂度随团队成员的数量线性增长,与传统的最短路径算法计算复杂度基本相当。仿真结果表明,会合优先度因子值的高低,将会影响会合点及出行路径的选择,因此,可根据实际需求设置会合优先度因子,实现团队会合和路径最短化的动态均衡。最后,以协作式路径优化算法的一个具体的工程应用,阐述团队成员间如何提供支持和帮助,从而安全、高效和有序地到达目的地。     

基于多时间窗的油料保障模型

针对军用油料(POL)调拨运输优化问题,通过引入保障时间窗,考虑了油料保障过程中复杂的时间窗约束和运力约束,提出了基于多时间窗的油料调拨运输的约束满足问题(CSP)模型及其求解算法。首先,对油料保障点、油料需求点、保障时间窗、油料保障需求及油料保障任务等要素进行了形式化描述;在此基础上,建立了油料保障CSP模型,并采用理想点法,将模型中的多目标转化为单目标规划问题;设计了基于粒子群优化(PSO)算法的模型求解方法和步骤,并通过算例介绍了模型的具体运用。算例中,将利用所提模型求解得到的优化方案与最大化油料保障量为单一目标的模型优化方案进行比较,两种方案下的运力安排已达最大,但对各油料需求保障时间的安排,所提模型求解方案中每个油料需求的开始保障时间都不晚于单目标模型求解方案中的保障时间。通过对不同优化方案的比较,表明所提模型和算法能够有效解决多目标油料保障优化问题。     

Modified genetic algorithms for manufacturing process planning in multiple parts manufacturing lines

Manufacturing process planning for multiple parts manufacturing is cast as a hard optimization problem for which a modified genetic algorithm is proposed in this paper. A cyclic crossover operation for an integer-based representation is implemented to ensure that recombination will not result in any violation of processing constraints. Unlike classical approaches, in which the mutation operator alone is used to foil the tendency towards premature convergence, a combination of a neighborhood search based mutation operator and a threshold operator were implemented. This combined approach was designed to; (a) improve the exploring potential and (b) increase population diversity of neighborhoods, in the genetic search process. Capabilities of a modified genetic algorithm method were tested through an application example of a multiple parts reconfigurable manufacturing line. Simulation results show that the proposed modified genetic algorithm method is more effective in generating manufacturing process plans when compared to; a simple genetic algorithm, and simulated annealing. A computational analysis indicates that improved, near optimal manufacturing process planning solutions for multiple parts manufacturing lines can be obtained by using a modified genetic algorithm method.     

基于拥挤度的改进蚁群算法

针对蚁群算法在求解旅行商问题时收敛时间长,且易陷入局部最优状态的缺陷,提出一种基于拥挤度的动态信息素蚁群优化策略。该算法引入静态拥挤度和动态拥挤度算子,主动提前预防停滞现象。将拥挤度与状态转移规则相结合,使蚁群状态实时跟随路径搜索情况而改变,提高蚁群自适应能力。针对蚁群路径搜索情况,加入邻域搜索优化规则,缩小搜索区域,结合2-opt局部优化策略,加快蚁群收敛速度。仿真结果表明,本算法既有较高的搜索效率又有较强的全局搜索能力。对比其他优化算法,无论是求解质量、稳定性还是收敛速度都能达到令人满意的效果。