垃圾分类收运模式下车辆路径问题建模与仿真

建立与垃圾种类相匹配的垃圾分类收运体系是确保垃圾分类制度有效实施的重要一步.生活垃圾分类收运问题属于车辆路径问题范畴.在垃圾分类收运模式下,考虑垃圾种类-车辆类型匹配关键因素,研究多种类垃圾多车型车辆路径优化问题.以车辆启动成本、运输成本之和最小化为目标,建立混合整数规划模型,利用遗传算法予以求解.通过算例仿真验证了模型及算法的有效性,在践行垃圾分类制度上具有实际应用价值.     

垃圾分类收运路径问题的新型混合蚁群算法求解

针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势互补的思想,利用两种算法的优点来弥补单个算法的缺陷,使其成功应用于该问题。最后,用车辆路径问题标准测试集和上海市杨浦区的数据作为实例进行测试与对比,验证了模型的正确性以及算法的有效性与优化能力。     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,促进物流配送企业的节能减排.     

基于GIS的城市生活垃圾收运管理系统

针对城市生活垃圾快速增长所带来的收运成本增加以及居民生活环境恶化等问题,提出基于地理信息系统(GIS)的垃圾收运管理系统设计方案,包括系统结构、数据库模型等,采用扫描与分支定界相结合的算法实现垃圾收运的调度优化。选择某地区的一部分收运线路进行实验,结果表明,系统能方便有效地进行垃圾管理并减少收运成本。     

垃圾收运路线问题的蜂群优化算法研究

整个垃圾处理系统中城市生活垃圾收运费用占很大比例,通过研究垃圾收运路线问题,可以有效节约成本,提高作业效率.根据城市生活垃圾收运系统的特点,采用带中转站的垃圾收运问题的标准数学模型.在分析蜂群优化算法理论的基础上,针对问题的特点,研究了蜂群优化算法求解的具体步骤,并通过实例仿真,证明了蜂群优化算法在解决带中转站的垃圾收运问题上的可行性和有效性.最后通过与蚁群算法对比,进一步说明了蜂群优化算法在解决问题的优越性.     

考虑动态拥堵的多车型绿色车辆路径问题优化

为降低物流配送成本,促进碳减排,提出一种考虑动态拥堵的多车型绿色车辆路径优化方法.针对常发性道路拥堵状况,将配送时间划分为若干时段,以道路拥堵系数反映不同时段的拥堵状况,同时考虑到碳排放、多车型和客户时间窗的影响,建立以系统总成本最小为目标的绿色车辆路径优化模型,设计求解模型的头脑风暴优化算法.结合算例,对该问题进行仿真,将结果与遗传算法进行对比,验证了模型的可行性和算法的有效性,表明考虑多车型配送和动态拥堵可以有效降低系统成本.     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

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.     

网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起。出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力。以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客车辆匹配无重叠等限制构建模型约束条件,采用演化策略算法求解问题,根据模型特征设计编码解码规则,解码结果可同时获得车辆乘客匹配关系和走行路径,采用交叉变异操作更新迭代个体种群,进而求得最优解。运用MATLAB求解算例验证了模型可行性及算法有效性,结果表明算法能快速响应静态拼车问题,在较短时间即可给出乘客车辆的先后匹配关系及车辆走行路径,拼车方案相比独自出行能节省更多成本。     

基于改进混合蛙跳和GIS的城市垃圾车回收路径优化设计

针对城市生活垃圾由于回收不及时带来的二次污染加剧和现有的垃圾回收路径方案仍然成本过高的问题,设计了一种基于GIS和改进混合蛙跳算法的城市生活垃圾回收路径设计方法;首先引入了基于GIS的回收路径规划模型,以最小化垃圾回收总路径长度、车辆总费用和惩罚成本为目标建立了城市生活垃圾回收路径规划的数学模型;然后,对基本混合蛙跳算法进行了改进,提出了基于Tent映射和混沌扰动的初始种群生成方式,将规划的目标函数转换为适应度函数,为了加快算法的收敛速度,设计了一种自定义距离度量方式以衡量解之间的差异,从而实现最差解的自适应更新,以实现全局最优;最后,定义了基于GIS和改进混合蛙跳算法实现垃圾回收路径规划的具体算法;仿真实验表明:文中设计的算法能有效地实现城市垃圾回收路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,是一种解决城市垃圾回收路径规划的可行方法。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。     

基于运输成本的高速公路车辆协同调度与速度规划

针对路网中大规模的货运车辆,给出一种新的综合油耗成本与时间成本的车辆协同调度方案,以便在最大化节约运输成本的前提下解决车队的协调优化问题.首先,建立基于油耗成本和时间成本的车辆运输成本模型,通过微调部分车辆的速度与路径,循环计算任意两辆车组队行驶的运输成本节约率,将符合组队条件的车辆构造为车辆组队协调图;然后,采用一种基于中心聚类划分的算法将车辆的组队问题转化为聚类求解问题,求解出节约运输成本最大化的领头车,使其在公共路段组成车队行驶;最后,考虑道路坡度及速度限制等条件,采用基于空间采样的动态规划方法对合并车辆的速度进行优化,从而进一步降低车辆的运输成本.仿真结果验证了所提出的优化方案及求解思路的可行性和有效性.     

动态需求下的基于医药前置仓的选址-路径问题

随着新冠疫情的发展,公众逐渐建立起通过互联网购买医药物品的习惯,发展高效绿色的医药配送模式迫在眉睫.通过建立考虑动态需求的选址-路径两阶段数学规划模型,解决医药前置仓的选址规划和配送路径设计问题.采用第三代非支配排序遗传算法(NSGA-Ⅲ)对初始优化阶段和动态优化阶段分别求解,并用模糊聚类法筛选出最优方案作为动态优化阶段的初始状态.再与NSGA-Ⅱ算法进行求解时间、Spacing、HRS和PR等指标的对比分析,结果表明NSGA-Ⅲ的运行时间更快,解集分布更均匀,收敛效果更好.最后分别计算运输车辆种类和药房合作前置仓的固定成本总预算变化对成本、时间和碳排3个目标函数的影响,测试模型和算法的敏感性,说明第三方药品配送企业更适合使用中小型车辆完成配送任务,并设置相对充裕的选址预算.     

Collecting cyclic distributed garbage by controlled migration

Summary.  Distributed systems with a large number of nodes use internode reference counting for timely and fault-tolerant garbage collection. However, this fails to collect cyclic garbage distributed across nodes. One fix is to migrate all objects on a garbage cycle to a single node, where they can be collected by the tracing-based local collector. Existing proposals based on this technique have practical problems due to unnecessary migration of objects. We propose a scheme that avoids migration of live objects, batches objects to avoid a cascade of migration messages, and short-cuts the migration path to avoid multiple migrations. We use simple estimates to detect objects that are highly likely to be cyclic garbage and to select a node to which such objects are migrated. The scheme collects all distributed cyclic garbage, has low overhead, and preserves the decentralized and fault-tolerant nature of distributed reference counting and migration. Received: August 1995 / Accepted: August 1996     

The measured cost of conservative garbage collection

Because dynamic memory management is an important part of a large class of computer programs, high-performance algorithms for dynamic memory management have been, and will continue to be, of considerable interest. Experience indicates that for many programs, dynamic storage allocation is so important that programmers feel compelled to write and use their own domain-specific allocators to avoid the overhead of system libraries. As an alternative to explicit storage management techniques, conservative garbage collection has been suggested as an important algorithm for dynamic storage management in C programs. In this paper, I evaluate the costs of different dynamic storage management algorithms, including domain-specific allocators, widely-used general-purpose allocators, and a publicly available conservative garbage collection algorithm. Surprisingly, I find that programmer enhancements often have little effect on program performance. I also find that the true cost of conservative garbage collection is not the CPU overhead, but the memory system overhead of the algorithm. I conclude that conservative garbage collection is a promising alternative to explicit storage management and that the performance of conservative collection is likely to improve in the future. C programmers should now seriously consider using conservative garbage collection instead of explicitly calling free in programs they write.     

Optimization–Simulation Model for Planning Supply Transport to Large Infrastructure Public Works Located in Congested Urban Areas

This article proposes an optimization–simulation model for planning the transport of supplies to large public infrastructure works located in congested urban areas. The purpose is to minimize their impact on the environment and on private transportation users on the local road network. To achieve this goal, the authors propose and solve an optimization problem for minimizing the total system cost made up of operating costs for various alternatives for taking supplies to the worksite and the costs supported by private vehicle users as a result of increased congestion due to the movement of heavy goods vehicles transporting material to the worksite. The proposed optimization problem is a bi-level Math Program model. The upper level defines the total cost of the system, which is minimized taking into account environmental constraints on atmospheric and noise pollution. The lower level defines the optimization problem representing the private transportation user behavior, assuming they choose the route that minimizes their total individual journey costs. Given the special characteristics of the problem, a heuristic algorithm is proposed for finding optimum solutions. Both the model developed and the specific solution algorithm are applied to the real case of building a new port at Laredo (Northern Spain). A series of interesting conclusions are obtained from the corresponding sensitivity analysis.     

多车型绿色车辆路径问题优化模型

为降低物流配送过程中车辆产生的废气污染,在传统带时间窗车辆路径问题（VRPTW）的基础上,从节能减排的角度出发,引入了油耗和碳排放量的近似计算方法,建立了带时间窗的多车型绿色车辆路径问题模型（G-MVRPTW）。该模型将总成本最小作为优化目标来寻找环境友好型绿色路径,同时设计了改进的禁忌搜索算法求解该问题。该算法在初始解和邻域解的生成时,规定子路径内客户序号顺序按照各个客户点最迟开始服务时间和时间窗大小升序排列。同时,通过最少子路径、子路径总费用和超载量三个指标,改进了解的评价函数,并采用了减少早熟可能性的机制。最后,通过数值实验验证了所提模型和算法的有效性和可行性。实验结果表明,吨公里指标能更好衡量油耗和碳排放成本,新能源车投入运输市场将是新的趋势,可为低碳运输及管理提供决策支持和方法指导。     

基于改进神经网络的非满载车辆路线优化模型

货物流通过程中,目前流行的车辆调度方式--基于简单的神经网络模型设计,造成运输成本的浪费。提出了一种基于改进神经网络的非满载车辆路线优化挖掘模型,来解决运输过程中的非满载车辆调度优化问题。改进的模型通过对非满载车辆时域长度和空域概率的加权、对神经网络稳定状态进行约束、建立非满载车辆起点和终点函数方程生成改进算法配送模型,并通过对新模型进行时间窗加权,合成了改进神经网络非满载车辆挖掘模式。仿真结果表明,该挖掘模型与传统的神经网络计算方法相比,能够提高非满载车辆路线选择效率和正确性,取得了较好的效果。