考虑差异化服务时间的多车型电动汽车路径优化与充电策略研究

在政府政策大力支持以及社会环境意识不断增长的背景下，电动汽车在物流配送行业快速普及。电动汽车参与的物流配送服务需要物流专员、电动汽车和顾客三方协作完成。因此，在传统车辆配送路径优化的基础上，车辆的多样性、充电策略、人车的匹配以及服务时间差异化等因素都会影响物流运营成本。本文提出了考虑差异化服务成本的多车型电动汽车路径优化与充电策略问题并建立了该问题的整数规划数学模型。其次，提出了混合启发式算法MCWGATS，并通过多组算例验证了算法的有效性。最后，采用多组算例分析了多车型和差异化服务时间对运营成本的影响。实验结果表明，该模型有助于物流企业提高人员、物流车辆、服务时间等资源的利用效率，降低运营成本。     

考虑自取服务和门到门服务的电动汽车物流网络优化策略研究

在环境意识增长与政府政策支持的有利条件下,电动汽车在物流领域得以快速发展。为提高物流服务的效率,降低企业运营成本,文中研究了考虑顾客服务策略的电动物流汽车服务设施选址与配送路径问题。采取顾客自行取货与配送人员送货上门相结合的多样化服务策略,使得服务站点的建设成本、顾客点配送路径成本以及服务站点补货路径成本之和最小。建立了整数规划数学模型,允许配送车辆在服务过程中前往服务站点接受充电服务。其次,提出了基于改进节约算法和禁忌算法的混合启发式算法MCWSA-TS。随后,在小规模算例将CPLEX运算结果与MCWSA-TS进行对比,证明了算法的有效性。最后,采用多组算例探讨了顾客取货半径对运营成本的影响,并对分离配送策略与联合配送策略进行对比分析。实验结果表明,多样化服务策略有助于企业满足顾客取货时间和取货方式的个性化需求。同时,兼顾运营成本与顾客满意度,促进电动汽车参与的物流服务快速发展。     

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.     

整合逆向物流协同配送动态路径优化问题研究北大核心CSCDCSSCI

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,通过考虑车栽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-实时动态路後规划模型.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M0IGA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,M0IGA算法产生的规划方案客户满意度优于NSGA-Ⅱ、M0IA,这也验证了模型的有效性以及方法优越性.     

基于电商承诺送达机制的多目标低碳MDVRP优化研究

针对存在多配送站的电商物流配送问题,首先,考虑实际装载量对物流配送过程中车辆燃料消耗量的影响,建立燃料消耗量模型,并结合电商平台的承诺送达机制,构建配送延迟时间函数。随后,提出了以最小化物流成本和延迟收货时间的多目标多配送站车辆路径规划问题,建立该问题的混合整数规划模型。再次,采用基于分解的多目标遗传求解算法对问题进行求解。该算法采用矩阵编码的方式,设计了基于贪婪搜索策略的启发式初始化方法,考虑到贪婪搜索策略容易陷入局部最优的劣势,在算法迭代过程中,允许部分不可行解存在以扩大解空间的搜索范围,并进一步设计了遗传算法的交叉和变异算子。最后,以具体物流配送案例进行数值实验,实验结果表明所设计的算法对求解本文模型是有效的。     

基于改进烟花算法的冷链配送路径优化选择

为解决J公司业务扩张背景下新增配送点冷链配送路径问题,考虑多种配送车型,建立多车型多车辆冷链配送目标模型,针对具体问题改进烟花算法求解,并利用MATLAB软件实现模型算法设计。结果表明,在保证各配送点需求的前提下,改进烟花算法较原算法可有效缩短配送路径长度8.22%,总时间降低6.46%,节约总配送成本11.72%,给企业物流运作提供有力的决策支持。     

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。     

越库配送下考虑时空距离的库门分配与车辆调度优化

针对越库配送下考虑时空距离的库门分配与车辆路径问题,建立以车辆派遣成本、运输成本、时间惩罚成本、越库内部操作成本总和最小化为目标的库门分配与车辆路径优化模型。根据问题的特征设计改进的自适应遗传算法,并根据时空距离生成初始解。通过对不同规模的算例进行对比和分析,验证了模型的正确性和算法的有效性,结果表明,所得出的库门分配和车辆调度优化方案可以有效降低越库配送中心的运营成本。研究成果拓展和丰富了越库配送下的车辆路径问题研究,能为物流企业优化配送方案提供理论依据。     

时间依赖型多配送中心带时间窗的开放式车辆路径问题研究

本文研究了时间依赖型多配送中心带时间窗的开放式车辆路径问题,基于道路通行情况,建立车辆行驶速度时间函数;考虑车辆载重、里程限制与客户点服务时间窗的约束,建立混合整数规划模型,目标函数为最小化车辆总成本,具体包括车辆行驶时间成本和车辆固定发车成本;提出了一种二维编码方式的混合遗传算法,针对混合遗传算法设计了多分区段单点交叉策略、动态插入算子及局部搜索策略;最后,基于Solomon VRPTW基准数据集生成27个测试算例,使用混合遗传算法进行求解。数值实验结果表明,考虑道路通行情况,选择合理的出发时间,避免拥堵时段进行配送服务,能明显减少车辆的总行驶时间,且验证了混合遗传算法能够获得问题的满意解。     

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。     

电动汽车物流配送系统的换电站选址与路径优化问题研究

在能源、环境形势日益严重的今天,电动汽车因其清洁、节能的显著优势,已经逐步成为物流配送公司重要的新能源交通工具,优化物流配送网络成为电动汽车作为物流工具普及的一个重要问题。本文提出了电动汽车物流配送系统的换电站选址与配送路径优化问题,建立了整数规划模型,并设计禁忌搜索-改进Clarke-Wright 节省的两阶段启发式算法来求解该模型,提出了两种不同的禁忌准则,并且通过算例对这两种准则进行了比较。为了证明算法的有效性,还将该算法的结果同CPLEX的计算结果进行了比较,结果表明该算法更加有效和可靠。最后,对车辆的装载容量、电池续航里程和单位建站成本做敏感性分析,发现总成本随着装载容量的增加而显著降低,电池续航里程的提升有助于降低建站成本并降低目标函数值,而单位建站成本的增加可能减少建站个数,增加运输成本,但由于续航里程的限制,建站个数也可能保持不变。     

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）。     

Scheduling and performance analysis under a stochastic model for electric vehicle charging stations

Wide-spread infrastructures for electric vehicle battery charging stations are essential in order to significantly increase the implementation of electric vehicles (EVs) in the foreseeable future. Therefore, we propose a stochastic model and charge scheduling methods for an EV battery charging system. We utilize a flexible Poisson process with a hidden Markov chain for modeling the complexity of the time-varying behavior of the EV stream into the system. Relevant random factors and constraints, which include parking times, requested amounts of electricity, the number of parking lots (charging facilities), and maximal demand level, are considered within the proposed stochastic model. Performance measures for the proposed charge scheduling are analytically derived by obtaining stationary distributions of states concerning the number of inbound EVs, waiting time distributions, and the joint distributions of parking time and electricity charged during random parking times.     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。     

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。     

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。     

Two approaches to solving the multi-depot vehicle routing problem with time windows in a time-based logistics environment

This paper presents a two-phase heuristic method that can be used to efficiently solve the intractable multi-depot vehicle routing problem with time windows. The waiting time that was ignored by previous researchers is considered in this study. The necessity of this consideration is verified through an initial experiment. The results indicate that the waiting time has a significant impact on the total distribution time and the number of vehicles used when solving test problems with narrow time windows. In addition, to fairly evaluate the performance of the proposed heuristic method, a meta-heuristic method, which extends the unified tabu search of Cordeau et al., is proposed. The results of a second experiment reveal that the proposed heuristic method can obtain a better solution in the case of narrow time windows and a low capacity ratio, while the proposed meta-heuristic method outperforms the proposed heuristic method, provided that wide time windows and a high capacity ratio are assumed. Finally, a well-known logistics company in Taiwan is used to demonstrate the method, and a comparison is made, which shows that the proposed heuristic method is superior to the current method adopted by the case company.     

Multi-depot vessel routing problem in a direction dependent wavefield

Considerable research has been done on the vehicle routing problem and its variants; however only limited amount of existing work deals with possible environmental conditions and their effects on the vehicle routes. This paper presents the multiple-depot vehicle routing problem for surface vessels, where the vehicles must traverse a time-invariant direction-dependent medium. Our model captures environmental effects and vessel dynamics on the considered paths. Three heuristic solution methods are developed and tested on simulated scenarios. The first approach exactly solves an approximate formulation of the problem, the second approximately solves an approximate problem formulation, while the third approximately solves the exact problem. Performance of the algorithms are compared to assess the tradeoff between computational cost and quality of the found solutions.