基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

突发公共卫生事件应急物资无接触式配送路径优化

为解决突发公共卫生事件下大批量应急物资配送问题，研究了“卡车-无人车”联合配送模式。针对多约束客户点聚类问题，设计了防止K值变动偶然性的改进K-means++聚类算法；根据紧迫度大的客户点优先配送的原则，提出2类客户点并行配送的无人车调度方案，构建以配送时间最短为目标的路径优化模型。结果表明：改进K-means++算法得到的聚类数量K更为稳定；相同聚类结果的情况下，改进多种群遗传算法迭代次数更少、最优解更佳；改进后的算法组合最优解远优于其他3种组合算法。     

考虑碳排放的选址-路径问题研究

针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.     

带硬时间窗的共同配送车辆调度问题研究

针对带硬时间窗的共同配送车辆调度问题,提出Sweep算法和PMX算子相结合的遗传算法。以长株潭城市群生鲜食品共同配送中心区域内的配送数据作为实验对象,采用组合遗传算法进行分析,在客户要求的时间范围内,合理安排车辆的行驶路线,使共同配送总费用最低。最后,将本算法与启发式算法、遗传算法进行比较,分析结果表明,本算法得到的共同配送车辆调度方案更优。     

煤矿井下燃油运输车辆调度多目标优化分析

为减少煤矿井下燃油运输车辆的尾气污染，降低能耗并控制运输成本，在考虑巷道坡度及车辆载重影响计算碳排放量的基础上，建立了车辆调度优化模型。该模型以运输总成本和碳排放量最小为目标，同时设计了基于动态拥挤度和启发式交叉算子的改进NSGA-II求解算法。实例仿真试验表明：多目标优化模型既可以保证煤矿企业的经济效益，也在一定程度上促进了节能减排。改进后的算法在总运输成本上平均节省超过4%,在碳排放量上最优值改进达到3.91%,表现出较好的求解性能。     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

基于HACO-ALNS的车辆与无人机协同配送问题研究

针对物流配送需求增大、“最后一公里”交付困难、车辆或无人机配送均具有一定局限性等问题,作者提出了带有动态能耗约束的车辆与无人机协同配送问题,以最小化总配送成本为目标建立了混合整数规划模型,在约束中考虑了无人机一次起飞可完成多点配送、客户点差异等限制。设计了一种基于自适应大邻域搜索的混合蚁群算法进行求解,在蚁群算法中融入遗传算法,设计新的启发式因子。实验结果表明,该算法在不同规模算例上均具有良好的求解精度和运行速度。与不同配送模式的对比表明,多点配送的无人机装载率比单点配送高22.1%,动态能耗模式的成本与固定能耗相比平均降幅为3.31%。     

基于Dijkstra拓展算法路线优化

利用Dijkstra算法,将配送中心的3个业务目标(距离、时间和费用)进行整合,建立可实现多目标的模型。对多目标Dijkstra算法进行了拓展,即一个配送中心对应两个客户配送以及车辆调度。     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

基于优先级的物流园区共同配送车辆调度优化研究

为高效、快速地保证配送任务的完成,实现配送成本最优,在分析物流园区共同配送过程中产生的各种成本的基础上,构建基于优先级的车辆调度优化模型。借鉴交通流分配的思想,引入虚拟距离,提出模型的求解思路和算法。最后,在实际算例中,通过运行Lingo,得出最优车辆调度方案。     

集送一体化动态车辆调度研究

相对传统的车辆调度,集送一体化的调度模式可以解决单向行驶日寸车辆空载问题．动态车辆调度是当前研究的热点．通过动态车辆调度策略,建立动态车辆调度模型,并利用改进蚁群算法对模型进行计算．通过应用实例,运用Mat｜ab对模型进行测试．测试的结果收敛并得到最优解,表明该算法对于解决集送一体化动态车辆调度模型是有效的．     

基于双重粒子群算法的电动汽车参与配网优化调度

研究电动汽车参与含分布式光伏电源的配电系统的协同调度问题. 首先,建立了分布式光伏和电动汽车充电负荷的数学模型,给出了两种协同调度策略:电动汽车充电位置优化和电动汽车充电时段优化. 优化模型以配电系统网损最小为目标,分别就充电地址不固定和固定两种情况进行优化. 然后,使用蒙特卡洛法对电动汽车充电负荷情况进行模拟,使用双重粒子群算法对优化模型进行最优求解. 最后,用一个33节点系统作为算例系统对所提出的调度策略进行仿真验证,证明了优化策略能平抑电网波动,减少配电系统网损.     

物流配送中心车辆调度模型与遗传算法设计

对带时间约束的物流配送中心车辆调度问题，采用混合整数规划方法进行建模，分析了该模型用精确算法进行求解的复杂性，指出对实际问题若完全采用精确算法求解往往达不到实时响应的要求，提出了遗传算法与启发式算法相结合的求解方法，将该问题分解为车辆分配和单一车辆路线安排两个相互关联的子问题进行求解，仿真结果表明，该算法是很有效的。     

物料配送与线边存储集成决策模型与算法

以飞机移动装配线的物料供给为应用背景,将该过程抽象为一类物料配送与线边存储集成优化问题,在线边空间可共享和重复使用的环境下对物料的配送及物料在线边的存储两类子问题进行联合决策.以小车配送次数最小化为目标函数,建立集成优化数学模型.针对该模型,设计基于蚁群算法的混合启发式算法.该算法的核心思想为借助蚁群算法的全局搜索能力搜寻较优的物料组批方式,通过基于物料批次划分的解生成算法联合决策各物料的配送时刻和物料在线边空间的存放位置.为了进一步提高解的质量和求解成功率,在解码算法中嵌入物料摆放位置调整的修复算法,对物料的存储方案进行再优化.通过数值实验,证明了模型与算法的有效性.     

考虑供给商品价格的多车场车辆路径问题

针对在烟草、石油和食品等生产配送行业,由于各地生产成本不同,导致商品由不同工厂所生产配送的补给价格存在差异,为了在车辆调度问题中综合考虑供给成本和运输成本,并使得总成本最小化,开展了考虑商品供给价格的多车场车辆路径问题研究.建立了基于分布式生产销售系统考虑商品供给价格的多点配送车辆路径优化模型;为了求解优化模型,同时根据考虑供给价格的多车场车辆路径问题的性质和特征,构造出初始解,并结合8个邻域结构和局部搜索算法,设计了改进变邻域搜索算法;最后通过实例,验证了算法的有效性     

定位路线与库存组合优化问题研究

定位路线问题是定位配给和车辆路线问题的集成决策,库存水平对定位和路线问题有重要影响。本文在分析物流系统总成本的基础上,建立了随机需求的定位路线与库存组合优化问题的数学模型。针对模型的NP-hard属性,设计了两阶段启发式算法：第一阶段用先路线后定位的方法求得初始解;第二阶段用交换法对初始解进行改进,库存控制变量在每次路线优化时根据订货费用、缺货费用和运输费用而迭代求得。最后通过实例计算,定位—路线—库存集成优化结果与定位—路线和库存独立优化时的方案相比,大大降低了物流系统成本,从而证明了物流系统优化时考虑库存策略的重要性,同时表明了该算法在求解此类问题时的可行性和有效性。     

基于改进指针网络的卫星对地观测任务规划方法

针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习（DRL）方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络（PN）的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力（MHA）机制的思想对PN进行改进,提出多头注意力指针网络（MHA-PN）算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.     

考虑干涉和优先度的多目标岸桥调度策略

针对岸桥调度问题的特性,分析了岸桥支援对提高港口整体效率的影响,建立了包含任务之间优先关系和岸桥之间不可交叉性和安全等条件的多目标混合整数规划模型,提出了一种启发式求解算法,验证了在一定时间内,启发式算法可以得到较优的可行解。而QCSP单目标和多目标计算结果表明,减少岸桥等待和移动时间,有助于岸桥更好地支援邻近船舶,加快港口整体运作效率,提高港口竞争力。     

JIT意义下极大化顾客满意数的并行多机问题

随着JIT(Just-In-Time)生产管理技术的出现和发展,考虑到以往极大化顾客满意数问题的研究只限于单机问题,而实际的生产调度和计划管理中绝大多数情况是并行多机问题,提出了一个在JIT意义下, 极大化顾客满意数的并行多机问题,并在分析相应的单机问题最优排序的基础上,构造出一个求解其多机问题的启发式算法,该算法的构思新颖,计算复杂性低,适用求解多机问题,具有工程实用价值的有效算法.最后给出了一个数值例子.