基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

前摄性车辆路径问题及其遗传算法求解

通过对现有文献中需求信息不确定的动态车辆路径问题，在不确定需求预测和求解算法的基础上，建立了多维数据层客户需求预测方法和前摄性实时控制方法，讨论了潜在客户的响应准则。以总运输成本最小为目标，构建了引入前摄性实时控制方法求解动态车辆路径问题的数学模型，改进了遗传算法对该模型进行求解。应用京东在重庆地区的客户点的配送数据及两阶段综合前摄性调整策略，验证了设计算法的性能，实验结果表明设计的模型及算法可以对客户需求进行更及时有效的响应。     

集货需求模糊的异型车同时配集货路径优化

针对集货需求模糊的异型车同时配集货车辆路径问题(HFVRPSDDFP),基于先预优化再重优化的思路构建模型.预优化阶段根据可信度理论和车型选取方法为客户点分配车辆,生成配送方案.重优化阶段利用随机模拟算法(SSA)确定客户集货需求,对服务失败的客户点,制定服务策略,将模糊问题转化为确定型的异型车辆路径问题(HFVRP),并规划路径.设计遗传变邻域算法,通过测试确定邻域结构构造,将自适应搜索策略应用到邻域搜索过程中,保证迭代前期收敛速度和后期全局搜索能力.通过算例验证了本文模型及算法的有效性.     

基于粒子群算法的满载需求可拆分车辆路径规划

为了更加合理地规划车辆配送路径,尽可能使用最少的车辆数和最短路径长度来完成整个客户点的配送任务,提出一种基于粒子群算法的满载需求可拆分车辆路径(F-SDVRP)规划策略,在配送过程中通过确保任何一辆满载的配送车辆从配送点出发后均以“最优”的配送路径进行配送来达到配送的总路径“最优”要求,并通过粒子群算法不断优化整个客户点的配送顺序.仿真结果表明,在求解相关客户点配送问题时,所提出的车辆规划策略得到的结果优于对比文献中的求解方法,在配送车辆数相同的情况下,最大的路径长度减少率达到8.21%.此外,各算例的仿真结果表明,所提出的策略的寻优结果稳定,粒子群算法可以解决满载需求可拆分车辆路径规划问题.     

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.     

动态环境下有时间窗的成套配送车辆路径问题

为解决成套配送车辆路径优化问题,针对配送线路动态变化的特点进行行程时间分析,根据服务时间窗设计满意度函数,在基本VRP模型中增加满意度目标,建立动态环境下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计禁忌搜索算法求解,对已产生的路径进行优化调整;仿真计算验证了模型和算法的有效性与研究的实用价值。     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

基于免疫萤火虫算法的RFID仓储车辆动态调度

针对物流配送实时仓储车辆调度问题,提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型,运用免疫萤火虫优化算法求解该模型,免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合,采用多层进化模式,在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略,以提高算法全局收敛效率,在此基础上设计了仓储车辆动态调度框架,将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段,给出了车辆动态调度任务处理流程。实验仿真表明,该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。     

生鲜电商配送的开放式时变车辆路径问题研究

针对生鲜电商配送的“最后一公里”难题,考虑到生鲜农产品的易腐易损性与生鲜电商通常采用普通车辆配送等现实情况,引入常温条件下生鲜农产品的鲜活度度量函数;分析城市路网的时变特性,设计时变路网条件下的车辆行驶时间计算方法;综合考虑客户需求量、时间窗、生鲜农产品送达客户时的鲜活度、开放式车辆路径与车辆灵活出发时间等因素,以总配送成本最小为目标构建具有鲜活度限制的开放式时变车辆路径问题优化模型,并根据模型特点设计一种改进蚁群算法求解。仿真实验结果表明：与封闭式车辆路径策略相比较,基于开放式车辆路径策略的改进蚁群算法能有效降低生鲜电商的总配送成本,减少车辆使用数量,缩短车辆行驶距离,具有合理性与可行性。     

基于双层模糊聚类的多车场车辆路径遗传算法

对大规模多车场车辆路径问题,设计了基于双层模糊聚类的改进遗传算法求解框架,上层静态区域划分利用k-means技术将多车场到多客户的问题转化为一对多的子问题,下层模糊聚类从保证客户满意度和整合物流资源的角度出发,利用模糊聚类算法根据客户需求属性形成基于客户订单配送的动态客户群。进一步,通过改进选择算子和交叉算子来设计车辆路径优化的遗传算法。通过随机算例仿真实验,证明了提出方法和求解策略的有效性。     

考虑前置仓协作的两级生鲜配送路径优化研究

针对生鲜配送优化研究中存在的易腐烂变质、送达时效性低、物流成本高、车辆载重率低等问题,传统的配送方式难以有效适应生鲜物流,为此提出了前置仓协作的两级配送路径优化策略。考虑生鲜运输的时效性要求,结合冷藏车辆的固定成本、制冷成本、惩罚成本因素,以总成本最低为目标建立数学模型,设计改进遗传算法进行求解,并通过仿真实例验证模型和算法的有效性。结果表明,相比于前置仓传统的独立配送策略,前置仓协作的两级配送策略能够有效地降低配送成本。     

考虑碳排放的物流网络优化模型研究

考虑碳排放的物流网络优化问题, 分两阶段建立考虑碳排放的配送中心选择与需求匹配模型和碳排放成本最小的配送路径优化模型, 通过两阶段模型的配合使用, 解决了物流网络中配送中心选址、不同物流节点间的需求匹配以及配送车辆路径优化等多种决策问题。对“考虑碳排放”与“不考虑碳排放”情况进行Lingo软件的数值分析, 结果表明：考虑碳排放的物流网络综合物流成本明显降低, 比不考虑碳排放的传统方法更具现实意义。     

考虑动态平衡装卸的点对点取送货车辆路径优化

针对点对点取送货车辆路径优化问题,引入动态平衡、后进先出、三维装载等约束,以总路径最短为优化目标,构建多车多客户应用场景下的动态平衡装卸点对点取送货车辆路径优化模型;基于研究问题的特征,采用启发式插入法确定路径初始方案,设计节点交换和重新定位算子,构造路径邻域方案,并将动态平衡装卸纳入路径迭代过程,运用多重指标定序策略和三分空间策略,设计客户动态平衡装卸检算算法,并提出基于禁忌搜索的点对点取送货车辆路径优化算法,制订多车多客户取送货车辆路径方案的同时编制动态平衡装载方案。最后,通过标准算例验证方法的有效性,计算表明：所提方法能高效解决带动态平衡约束的点对点取送货车辆路径优化问题;在多车多客户应用场景下具有更强的寻优能力,求解效率更高。     

Cooperation and profit allocation in two-echelon logistics joint distribution network optimization

Collaborative two-echelon logistics joint distribution network can be organized through a negotiation process via logistics service providers or participants existing in the logistics system, which can effectively reduce the crisscross transportation phenomenon and improve the efficiency of the urban freight transportation system. This study establishes a linear optimization model to minimize the total cost of two-echelon logistics joint distribution network. An improved ant colony optimization algorithm integrated with genetic algorithm is presented to serve customer clustering units and resolve the model formulation by assigning logistics facilities. A two-dimensional colony encoding method is adopted to generate the initial ant colonies. Improved ant colony optimization combines the merits of ant colony optimization algorithm and genetic algorithm with both global and local search capabilities. Finally, an improved Shapley value model based on cooperative game theory and a cooperative mechanism strategy are presented to obtain the optimal profit allocation scheme and sequential coalitions respectively in two-echelon logistics joint distribution network. An empirical study in Guiyang City, China, reveals that the improved ant colony optimization algorithm is superior to the other three methods in terms of the total cost. The improved Shapley value model and monotonic path selection strategy are applied to calculate the best sequential coalition selection strategy. The proposed cooperation and profit allocation approaches provide an effective paradigm for logistics companies to share benefit, achieve win–win situations through the horizontal cooperation, and improve the negotiation power for logistics network optimization.     

面向冷链物流配送路径优化的知识型蚁群算法

生鲜电商、冷链宅配的盛行使冷链物流订单呈现出"小批量、多批次、易腐坏"的特点,进一步增大了城市冷链物流配送路径优化的必要性与难度.鉴于此,同时考虑顾客满意度和道路拥堵状况,构建最小化总成本的冷链车辆路径优化数学模型.为求解该问题,将知识型精英策略下的禁忌搜索算子和动态概率选择的知识模型融入蚁群算法,设计一种新的知识型蚁群算法.通过对模拟实例和真实实例进行仿真实验,对传统蚁群算法、基于禁忌搜索改进的蚁群算法与所提出的知识型蚁群算法进行对比分析,验证了所构模型和知识型蚁群算法的有效性.     

基于混合神经网络的车辆路径模型研究

为有效解决现代物流配送中的车辆路径问题,发挥BP神经网络在解决分类问题和Hopfield神经网络在解决组合优化问题中的优势,依据"分而治之"策略提出了基于混合神经网络的优化模型。通过BP神经网络对一个配送中心范围内的多个配送点进行区域划分,在各子区域内使用Hopfield神经网络求得最优配送路径,从而得到质量较高的解和较快的收敛速度。基于Matlab的仿真实验结果表明,与传统的爬山算法、遗传算法相比,该模型能够获得性能更好的全局最优解。     

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.     

物流配送中烟花算法结合遗传算法的异质车队路径优化方法

针对物流配送中车辆路径的问题,提出一种烟花算法结合遗传算法的物流配送异质车队路径优化方法。根据优先聚类其次路径的两阶段构造理论将新型群体智能算法烟花算法与遗传算法进行有效结合,首先按运力空间划分聚类区域,并采用改进的遗传算法解决为客户分配车辆的问题,然后通过采用烟花算法对路径排序实现本地路径优化。将该方法的实验结果与经验结果进行了比较,结果表明,所提出的混合算法模型得到的实验结果优于经验结果。     

战时物流配送车辆路径优化问题

采用一种新的信息素更新方式对传统蚁群算法进行改进,有效解决了带硬时间窗的车辆路径优化问题;建立考虑战场环境中敌方火力打击影响的物流配送车辆路径优化模型,采用所提算法得出优化路线;进一步考虑不同作战单元对物资需求的可能变化,将排队策略用于算法求解过程,得出适应需求变化的后续配送路线,并通过仿真实验结果验证了相应配送路线的合理性.