多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．     

基于遗传算法的烟草物流配送中心选址问题

以湖北烟草物流配送中心选址为例,建立物流配送网络模型。在考虑物流成本、管理成本和建设成本情况下,建立目标优化函数和约束条件。讨论配送中心选址优化算法,在MatLab中采用遗传算法工具箱对目标函数进行求解。进一步分析表明,在湖北境内新增汉阳、兴山两个烟草物流配送中心,将缓解省内烟草物流配送不均和运输成本高企的问题。     

家电回收的闭环物流网络选址模型

在逆向物流及闭环供应链理论研究的基础上,立足于家电行业,构建废旧家电回收的闭环物流网络体系。提出一个包括供应商、加工厂、配送中心、零售商、回收中心在内的多阶段闭环物流网络选址模型,该模型以经济成本最小和顾客服务水平最高为约束目标,确定配送中心、回收中心的位置。在对该问题进行分析的基础上,提出了针对该多目标模型的粒子群优化算法,并结合罚函数法对目标函数进行寻优。结合具体案例说明了该选址模型及其求解算法的应用。     

基于免疫算法的物流配送中心选址

针对物流配送中心选址问题,以物流成本为目标函数,采用免疫算法对配送中心选址进行优化.通过一个中等规模的物流需求点实例,仿真结果表明,该方法能够快速有效地求得物流配送中心选址问题的全局最优解.     

考虑风电的无功辅助服务市场多目标出清

永磁直驱型风电场在提供有功功率的同时,具有吸收和发出无功功率的能力,能够为系统提供无功服务,参与无功辅助服务市场运行。分析了永磁直驱型风电场的有功无功极限和无功成本,提出了风电场无功报价模型的建模方法;根据建立的风电场无功报价模型,建立了风电场参与竞价的无功辅助服务市场多目标出清模型,出清模型能够同时考虑系统的无功服务购买费用和有功网损;将多目标出清模型转化为三阶段单目标优化模型,并利用改进粒子群算法对每一阶段单目标优化模型进行求解。最后以IEEE 14节点算例验证了本文所建模型和模型求解算法的可行性。将差分进化算法的变异机制和基于可行性规则的约束处理机制引入粒子群算法,提高了粒子群算法的约束处理能力和全局寻优能力。     

第三方物流企业的物流中心选址模型与算法

文章通过分析物流中心的选址对第三方物流企业的发展的重要影响,指出了物流中心的选址应该以提高物流企业的物流能力为目标,并在此基础上建立了基于优化物流能力的多目标的选址模型,在模型求解中,利用带自适应移动线的遗传算法较好地解决了多个目标函数合并中人为的主观性。     

考虑集中充电站的电池换电站选址定容规划

电动汽车电池换电站的选址定容是具有多变量和多约束的复杂非线性问题, 难以用一般的数学方法进行求解, 本文对此提出一种Voronoi图与改进蝙蝠算法(Improved Bats Algorithm, IBA)联合求解的选址定容方法。考虑集中充电站的影响, 建立以年建设投资成本、选址满意度和年电池换电成本为目标的多目标决策模型。引入模糊熵权法避免主观赋权与客观赋权的不足, 将多目标决策模型转化成单目标权重模型。通过引入惯性权重并考虑个体极值引导速度更新的IBA, 以多目标决策的加权总值最小为条件, 结合Voronoi图划分各电池换电站的服务区域, 得出电池换电站的选址定容规划方案的最优解。算例仿真结果验证了所提模型和算法的合理性及可行性。     

考虑路径可靠性的垃圾回收选址-路径问题研究

在路径中断情况下,为了降低垃圾回收成本和提高收集路径的安全性,本文主要对基于路径可靠性的垃圾回收选址-路径问题进行研究。建立了带有车辆路径可靠性约束的选址-路径问题优化模型,在路径可靠性水平满足要求的条件下,最小化回收物流总成本。根据问题模型的特点设计粒子群优化(particle swarm optimization,PSO)算法求解,为了验证模型的合理性和算法的有效性,采用Matlab软件编程,对不同的数值算例进行仿真测试,并且分析路径可靠性水平对成本的影响。实验结果表明,该模型能够对问题进行合理描述,粒子群优化算法能够对不同规模的问题进行有效求解,并且随着可靠性水平的增大,总成本增加,开设成本无明显变化,车辆运营成本增加,运输和处理成本增加。该研究对提高垃圾回收系统的可靠性具有重要意义。     

基于Voronoi图和改进引力搜索算法的电动汽车充电站选址定容

电动汽车充电站的选址定容属于多变量、多约束及高维度的非线性数学问题, 针对该问题提出一种基于Voronoi图和改进引力搜索算法(Improved Gravity Search Algorithm, IGSA)的选址定容方法。综合考虑主观权值和客观权值, 运用层次分析熵权法, 建立以建设运行成本、用户充电时间成本及配网损耗成本为目标的电动汽车充电站选址定容多目标决策模型。针对标准引力搜索算法(Gravity Search Algorithm, GSA)收敛速度慢、求解高维度问题精度不足等问题, 在粒子初始化和更新阶段引入混沌映射, 增加算法遍历性; 同时, 引入全局最优点引导速度更新公式, 提高算法跳出局部最优的能力。利用Voronoi图划分充电站服务区域, 提出Voronoi图与IGSA联合求解流程。仿真结果证明了所建模型和算法的可行性和实用性。     

基于遗传算法的快递物流配送中心选址

以快递物流配送中心选址问题为研究对象,结合其选址特点构建了含有固定投资成本、管理成本、 运输成本等诸多成本要素的目标函数,建立了基于遗传算法的选址模型,并利用改进后的求解策略或方法对 算法模型进行求解,有效提高了算法模型的求解效率和求解质量。实例研究中,将 Matlab2017a 数学仿真编 程软件与算法模型相结合,对算例进行求解,验证了遗传算法模型在选址问题研究中的有效性和实用性。