面向不同需求的应急物流系统定位-路径优化问题

为最大化地发挥应急物流系统的作用,研究面向不同需求,提出构建一个基于改进遗传算法GA的应急物流系统定位-路径优化模型。首先,对遗传算法的基本原理进行具体分析,并在此基础上进行算法改进;然后从需求分级入手,进行模型参数和决策变量确定,构建基于需求分级的应急系统定位-路径优化模型,确定其目标函数和约束条件;之后对模型参数进行求解,获得最优选址和路径方案;最后对改进算法和优化模型进行实验验证。仿真结果表明,改进后的GA算法收敛速度更快,稳定性更好,可用于优化模型中找出最优路径,且构建的优化模型可以很大程度上发挥应急系统的作用,运行成本降低了24.05%、救灾效率显著提高,可在灾害发生时,为应急物流灾害管理人员提供最优路径和救援方案,具有一定的参考意义。     

物资缺乏情况下的应急物流运输与物资二次分配策略

针对应急物流中的运输时效性和物资分配公平性问题,提出了一种两阶段应急物流运输与物资二次分配策略.首先,基于所定义的时间满意度、物资满意度和综合满意度,提出了最大时间满意度车辆路径问题模型和最小加权满意度标准差应急物资分配模型.第一阶段针对最大时间满意度车辆路径问题模型设计了一种混合灰狼优化算法进行求解,该算法采用了最优分割过程分组解码策略,并采用了混沌搜索策略、2-Opt和1-1局部搜索策略来提高算法的搜索能力;第二阶段针对最小加权满意度标准差应急物资分配模型设计了混沌灰狼优化算法求解.实验结果表明:在第一阶段,总体时间满意度比CVRP模型提高了39.31％;在第二阶段,当实际物资量为80％和权重系数为0.75时,计算得到的综合满意度标准差为0.0619,物资满意度标准差为0.0974,较好地平衡了灾民的心理诉求和物资利用效能.两阶段应急物流运输与物资二次分配策略得到了较高的时间满意度和较好的物资分配结果,证明了所提模型和算法的有效性.     

航空紧急配送中的随机LRP模型及算法

针对震后紧急响应阶段路网中断和救援物资需求不确定性,建立航空物流中的随机定位—路线安排问题（LRP）模型,据此进行震后应急救援过程中救灾物资集散点和应急配送中心的定位以及救援物资空运路线安排的联合决策。根据该模型的特点,提出了一种改进的遗传算法,采用特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。算例分析结果表明,该模型和算法可以有效解决震后应急物流系统中的应急设施定位—分配和路线安排问题。     

需求与物流网络不确定下的应急救援选址问题

针对应急物流中需求与物流网络的不确定性特征,对应急救援中应急需求和物流网络均不确定条件下的应急配送中心选址问题进行研究,以成本最小化为目标,建立基于集合覆盖的应急救援设施选址的随机规划模型,采用期望值法和随机模拟两种方法处理数学模型中的不确定性。通过算例与仿真研究,获得应急救援下的配送中心选址最优方案。结果表明,相对于传统的期望值方法处理随机参数,随机模拟方法具有较明显优势。     

突发性公共事件下的应急物流研究综述

应急物流是应急响应工作的重要组成部分，是确保救援活动能有效开展的基础。本文对近年来国内外应急物流相关文献进行研究，总结出应急物流的两个主要研究方向为应急物资供应优化（包括物资配送路径选择、物资储备决策和应急物流设施选址）与应急物流体系优化。同时分析近几年的研究现状，最后对未来的研究方向进行展望。     

震后初期应急物资配送LRP中的干扰管理研究

研究震后初期应急物资配送定位-路径问题（LRP）中的干扰事件实时决策方法,综合考虑灾区路网损毁情况、需求点的模糊需求量与时间窗限制、多方式配送等因素,以应急物资总配送时间最短构建了震后应急物流LRP的优化模型,并结合行为科学中对人的行为感知的研究方法从灾区需求点、应急决策部门、应急物流执行者三个方面分析干扰事件对应急物流系统的扰动,在此基础上以系统扰动最小为目标构建一个字典序的干扰管理模型。最后,根据模型特点设计干扰事件处理策略与混合蚁群算法予以求解。算例结果表明,该方法比全局重优化方法和局部重优化方法更加合理有效。     

灾难救援应急物资敏捷配送模型

应急物资敏捷配送是灾难救援的重要工作之一,为了给灾区快速配送应急物资,构建了包含救灾物资储备库、应急物资配送中心及受灾点三层结构的应急物资敏捷配送体系。建立相应双层优化模型,其中下层模型决策车辆路径安排,上层模型根据下层模型的结果决策应急物资的分配。根据该模型的特点,提出一种改进蚁群算法求解下层模型,并用CPLEX软件求解上层模型。最后以5·12汶川大地震应急救援为例,对优化模型及求解方法进行了验证。     

基于系统动力学的自然灾害应急物流逆向回收决策研究

为了辅助突发性自然灾害下应急物流的逆向回收决策, 在总救援满意度优先的原则下, 从系统动力学角度出发对多受灾点下可重复利用物资的逆向回收过程进行系统建模, 综合分析了受灾点对物资的需求及逆向回收占用资源等其他因素, 建立了回收频率与救援满意度之间的函数关系, 并利用系统动力学软件Vensim对系统模型进行仿真。最后, 通过算例证明了该模型的有效性和实用性, 在此基础上分析了运输资源变化对救援满意度的影响。基于上述研究结论, 为我国应急逆向物流提供了决策支持和对策建议。     

考虑车辆等待的应急物资调配方案优化研究

为了提高应急救援效率,结合震后灾民对应急物资的需求特征以及应急物资进行两级调配的特点,提出一种考虑应急车辆在应急配送中心等待情况的多物资、多级配送的应急物资调配方案优化模型.结合所研究模型的特征,提出利用基于实数编码的遗传算法对模型进行求解,并依据具体算例将所提出的考虑已到达配送中心处的应急车辆是否需要等到下批应急物资运达该地后再开始下级配送的新决策方式与两种传统方式进行比较分析,验证所提出模型的有效性和可行性.结果表明:所提出的优化模型结合了两种传统方式的优点,在提高灾民对运达应急物资的数量及时间的综合满意度的同时,降低了运输费用.     

多目标应急物资路径优化及其改进智能水滴算法*

针对多目标应急物资配送中车辆路径优化问题,提出了基于改进智能水滴算法的多目标应急物资路径优化方案。主要包括以下四个阶段：(1) 构建基于Holling-II函数的疾病扩散模型;(2) 各疫区对药品的需求预测;(3) 构建多目标应急物流配送模型;(4) 改进的智能水滴算法求解多目标应急物资优化问题。研究结果表明：所建立的模型与算法有效可行,可为应急管理相关问题提供决策参考。     

A simheuristic approach for the two-dimensional vehicle routing problem with stochastic travel times

The two-dimensional vehicle routing problem (2L-VRP) is a realistic extension of the classical vehicle routing problem in which customers’ demands are composed by sets of non-stackable items. Examples can be found in real-life applications such as the transportation of furniture or industrial machinery. Often, it is necessary to consider stochastic travel times due to traffic conditions or customers availability. However, there is a lack of works discussing stochastic versions of the 2L-VRP. This paper offers a model of the 2L-VRP with stochastic travel times that also includes penalty costs generated by overtime. To solve this stochastic and non-smooth version of the 2L-VRP, a hybrid simheuristic algorithm is proposed. Our approach combines Monte Carlo simulation, an iterated local search framework, and biased-randomised routing and packing heuristics. Our algorithm is tested on an extensive benchmark, which extends the deterministic one for the 2L-VRP with unrestricted and non-oriented loading.     

A Multi-Trip Split-Delivery Vehicle Routing Problem with Time Windows for Inventory Replenishment Under Stochastic Travel Times

This study considers a multi-trip split-delivery vehicle routing problem with soft time windows for daily inventory replenishment under stochastic travel times. Considering uncertainty in travel times for vehicle routing problems is beneficial because more robust schedules can be generated and unanticipated consequences can be reduced when schedules are implemented in reality. However, uncertainties in model parameters have rarely been addressed for the problems in this category mainly due to the high problem complexity. In this study, an innovative and practical approach is proposed to consider stochastic travel times in the planning process. In the planning model, the possible outcomes of vehicle arrivals and product delivery at retailers are systematically categorized and their associated penalty and reward are estimated. Thus, unanticipated costs for every scheduling decision can be incorporated into the planning model to generate vehicle routing schedules that are more robust facing uncertain traffic conditions. To solve the model that is characterized as an NP-hard problem in a reasonable amount of time, a two-stage heuristic solution algorithm is proposed. Finally, the stochastic model is compared with the deterministic model in both planning and simulated operation stages using the data of a supply chain in Taiwan. The result confirms that the schedule generated by the stochastic model is more robust than the one created with the deterministic model because undesired outcomes such as unfulfilled demands are greatly reduced.     

带时间窗和服务顺序约束的多需求车辆路径问题

研究顾客具有多种需求,分别需要由不同类型车辆提供服务,且同一顾客多种需求的服务时间具有固定先后顺序的车辆路径问题.在考虑各个顾客需求的服务时间窗,同一顾客不同需求的服务顺序、服务时间间隔,以及各种车型的车容量及最大行驶时间等约束的前提下,以满足顾客多种需求的车辆运行成本和等待成本之和极小化为目标,建立混合整数规划模型.进一步设计求解模型的联合优化遗传算法,并利用车辆路径问题的标准测试集构造具有两种需求的测试算例,分别利用所提出的联合优化遗传算法与文献中的两阶段遗传算法进行模拟计算与分析,验证所提出算法的有效性.将经典的单一需求车辆路径问题推广到多种需求的情形,建立带约束的多需求车辆路径问题的数学模型并设计求解模型的有效算法,为解决实际问题提供了决策依据.     

The capacitated vehicle routing problem with stochastic demands and time windows

The capacitated vehicle routing problem with stochastic demands and time windows is an extension of the capacitated vehicle routing problem with stochastic demands, in which demands are stochastic and a time window is imposed on each vertex. A vertex failure occurring when the realized demand exceeds the vehicle capacity may trigger a chain reaction of failures on the remaining vertices in the same route, as a result of time windows. This paper models this problem as a stochastic program with recourse, and proposes an adaptive large neighborhood search heuristic for its solution. Modified Solomon benchmark instances are used in the experiments. Computational results clearly show the superiority of the proposed heuristic over an alternative solution approach.     

随机需求有时间窗的路径优化及补救策略研究

针对城市物流配送中客户需求量不确定且时效性要求较高的特点,考虑客户需求量为随机变量且有时间窗的车辆路径优化问题,同时基于不同的信息化调度水平,考虑了配送失败时的三种补救策略。构建了机会约束混合整数规划数学模型并转化为等价的确定性模型进行求解。提出了含有多种算子的改进混合进化算法来求解该模型,并基于算例,验证了算法的优越性。同时,对模型的参数敏感性和三种补救策略下的风险成本进行了分析。结果表明,采用提前预测,实时反馈,即时派出新车的补救策略可以最大程度保证满足客户时间约束,同时还具有降低配送路程的经济优势。     

多车种随机需求车辆路由问题的遗传算法

该文给出了多种类型车辆随机节点需求车辆路由问题(VRP)的遗传算法。将各个节点的需求作为一个随机数,同一条路径上车辆允许路由失败(routingfailure)的次数作为一个可控制的参数,对于节点需求服从给定的已知分布的VRP问题,给出了一些更简单实用的递推公式,并在此基础上通过巧妙地设计交配规则,得到遗传算法,并经实例运算对比,效果很好。     

需求可拆分车辆路径问题的聚类求解算法

针对传统的车辆路径问题通常假设客户的需求不能拆分,即客户的需求由一辆车满足,而实际上通过需求的拆分可使需要的车辆数更少,从而降低配送成本的问题,分析了需求可拆分的车辆路径问题的解的特征,证明了客户需求不宜拆分应满足的条件,设计了符合解的特征的聚类算法,并对其求解.通过实验仿真,将所提出的聚类算法与蚁群算法和禁忌搜索算法进行比较,所得结果表明了所提出的算法可以更有效地求得需求可拆分车辆路径问题的优化解,是解决需求可拆分车辆路径问题的有效方法.     

Production scheduling and vehicle routing with time windows for perishable food products

We propose a nonlinear mathematical model to consider production scheduling and vehicle routing with time windows for perishable food products in the same framework. The demands at retailers are assumed stochastic and perishable goods will deteriorate once they were produced. Thus the revenue of the supplier is uncertain and depends on the value and the transaction quantity of perishable products when they are carried to retailers. The objective of this model is to maximize the expected total profit of the supplier. The optimal production quantities, the time to start producing and the vehicle routes can be determined in the model simultaneously. Furthermore, we elaborate a solution algorithm composed of the constrained Nelder–Mead method and a heuristic for the vehicle routing with time windows to solve the complex problem. Computational results indicate our algorithm is effective and efficient.     

A multistart adaptive memory-based tabu search algorithm for the heterogeneous fixed fleet open vehicle routing problem

This paper addressed the heterogeneous fixed fleet open vehicle routing problem (HFFOVRP), in which the demands of customers are fulfilled by a fleet of fixed number of vehicles with various capacities and related costs. Moreover, the vehicles start at the depot and terminate at one of the customers. This problem is an important variant of the classical vehicle routing problem and can cover more practical situations in transportation and logistics. We propose a multistart adaptive memory programming metaheuristic with modified tabu search algorithm to solve this new vehicle routing problem. The algorithmic efficiency and effectiveness are experimentally evaluated on a set of generated instances.     

随机需求车辆路径问题及其启发式算法

在对随机需求信息条件下的车辆路径问题进行策略分析基础上,提出解决此类问题的改进蚁群算法.分析对比不同策略下用蚁群算法优化的结果.其中给出机会约束下决策者的风险喜好对最终目标的影响.通过模拟实际随机需求的方法评价先验路径的优劣.与其它计算方法在同等条件下的比较证明所设计算法的优越性.同时得出对于不同统计特性的随机需求策略的选择方式.