基于车辆共享的软时间窗动态需求车辆路径问题

为解决配送机构的乍辆有时不能满足客户需求的问题,同时降低物流配送成本,节约资源,基于产品服务系统的理念.引入车辆共享机制,结合时间窗、多配送中心和现代物流客户需求动态变化的特点,建立了基于车辆共享的软时间窗多配送中心动态需求车辆路径问题的两阶段数学模型,并设计了混合3-OPT量子进化算法对各阶段模型进行求解.通过算例测试及与其他算法进行比较,表明该算法能快速有效地求解此类动态需求的车辆路径问题.最后对影响算法性能的种群规模参数进行了分析.     

动态需求低碳开放式选址—路径问题

针对需求动态变化对选址及配送路径碳排放的影响,提出了预优化和实时优化的两阶段选址—路径问题,建立了相应的低碳动态需求开放式选址—路径模型,设计了四阶段混合量子差分进化算法进行求解。通过构造最优差分变异策略,并将其与动态量子旋转门及贪婪量子选择方式相结合进行解的更新及改善。仿真实验结果表明碳排放量与需求正相关,采用实时响应策略使目标成本降低15.05%;与其他3种算法相比,所提算法具有较好的搜索能力,能满足实时调度的要求。     

基于沿途补货的多配送中心动态需求VRP建模及优化

为了研究沿途补货策略在客户需求动态变化环境下的实用性,提出基于沿途补货的多配送中心动态需求车辆路径问题.将动态问题按照时间轴依次分解为一系列的静态调度子问题,并建立其两阶段数学模型;设计了一种最邻近法结合贪婪法则来控制车辆沿途补货的解码方法;提出了自适应免疫量子进化算法的求解方法,引入免疫算子进行线路内和线路间的再优化,从关于问题的先验知识中提取疫苗,有效地加快了算法的收敛速度,提高了解的质量,同时在疫苗接种的过程中设计了一种随个体适应度大小而变化的自适应选择概率,减少了算法的运行时间.对实例进行仿真测试并与其他算法进行了比较,结果表明所提算法能获得较好的解,能有效求解动态调度问题,同时分析了沿途补货策略影响,实验表明沿途补货策略适用于动态需求车辆路径问题.     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

基于动态需求的多车型车辆配送路径优化研究

基于实际物流配送中客户需求的动态变化特性以及配送车辆的多样化,首先,提出多车型情形下的动态需求车辆配送路径优化问题,并以配送成本最小化为目标建立了两阶段车辆配送路径规划模型;其次,在初始配送路径优化阶段,采用了遗传算法得出车辆配送线路方案;在实时优化阶段,通过关键时间点将动态变化的需求转化为静态的需求,并采用了遗传算法进行分析求解。最后通过对JLD物流公司的实际需求数据进行研究,改变JLD专线路的原则,重新规划车辆的行驶线路,并与JLD的实际配送方案进行对比分析,发现基于动态需求的多车型模型有效的减少了配送车辆数并降低了运输成本。     

动态上下料路径下柔性产品族生产调度研究

针对汽车零部件柔性产品族制造单元考虑工序间动态上下料路径与时间的生产调度求解问题,文中提出一种用于动态上下料路径柔性作业调度问题优化的自适应离散差分进化算法。通过自适应缩放参数实现收敛速度提升,构建基于矩阵映射的离散编码规则实现变异操作离散化及基于机器人实际运动路径的动态调度解码。通过对某平台化车型架构的转向器壳体加工单元实例分析并验证了算法有效性及优越性。     

一种新的求解多目标随机需求车辆路径问题的算法

为优化带时间窗的随机需求车辆路径问题,建立了基于模糊满意度的多目标数学规划模型,并提出了一种基于量子进化算法和粒子群算法分段优化的方法求解Pareto解。第一阶段使用量子进化算法获得一定规模和精度的Pareto候选解,提出了概率选择最优解和可变旋转角改进变异算子;第二阶段通过转换将候选解映射到连续空间,利用粒子群算法继续搜索Pareto最优解。引入了节点交换策略进行邻域搜索,避免算法早熟。为保持Pareto解的分散性,提出了一种自适应网格算子。通过对benchmark仿真与非支配排序的遗传算法的比较,验证显示了算法的有效性。     

基于一种改进算法的单车场多车型车辆调度研究

针对目前配送中心对其辐射范围内的需求点合理调配各种车型及确定每辆车的配送路线问题,提出一种新的单车场多车型调度算法,该算法综合运用了最邻近算法和遗传算法的相关原理,结合二者在路径优化方面的优点,通过验证相比其他算法能够提供更加合理的配送路线,为解决此类问题提供了一套选择方案.     

基于一种改进算法的单车场多车型车辆调度研究

针对目前配送中心对其辐射范围内的需求点合理调配各种车型及确定每辆车的配送路线问题,提出一种新的单车场多车型调度算法,该算法综合运用了最邻近算法和遗传算法的相关原理,结合二者在路径优化方面的优点,通过验证相比其他算法能够提供更加合理的配送路线,为解决此类问题提供了一套选择方案.     

低碳定位——车辆路径问题

为降低物流配送过程中车辆的碳排放量,从低碳环保角度出发,建立以车辆碳排放量为函数目标的低碳定位—车辆路径问题数学模型,并采用量子进化算法结合局部搜索算法对模型进行求解。通过对比不同算法求解的结果,证明量子进化算法能有效的求解定位—路径问题模型。继而用量子进化算法求解低碳定位—车辆路径模型,在不同条件下计算车辆排放量、路径值与运行成本,探讨配送中心碳排放、配送路径对车辆碳排放的影响。采用数据比较的方法分析计算结果,证明了低碳定位—车辆路径数学模型能有效降低配送过程中的碳排放量,但总体成本将会增加。     

开放式动态网络车辆路径问题的粒子群算法

针对现有车辆路径问题模型对动态性和开放性的约束限制,建立了开放式动态网络车辆路径的数学模型,使用连续时间依赖函数表示动态网络,并提出了基于惯性权重自适应调整和状态分类更新的粒子群算法求解该问题。根据社会认知理论,每个粒子依据当前位置与种群最优位置和自身历史最优位置的相对关系,动态调整自身的惯性权重。为避免早熟收敛,增加群体的多样性,使用分类更新策略。对于优秀的粒子,通过计算信息熵,使用特殊的状态更新公式计算其状态;对于适应度低的粒子,通过公告板统计出现的频率,进行粒子更新。通过实验仿真,对算法的参数进行了分析,并通过与其他算法的比较,验证了该算法的有效性。     

车辆路径问题的智能建模方法研究

针对车辆路径问题的自动建模工作,以人类建模思维规律为依托,提出了基于结构差异的智能建模方法,实现了车辆路径问题的智能建模系统,解决了车辆路径问题动态性导致问题建模不能实现的瓶颈.通过该系统的实际应用,验证了建模方法的可行性与有效性.     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

面向ASP应用的多目标物流配送路径算法研究

探讨了在将第四方物流和ASP引入到物流配送活动中后，如何规划物流配送中车辆安排和路线优化的MVRP问题。提出了一种先分类再确定路线的二阶段法优化算法，该算法首先采用“容重比平衡法”确定车辆配装，然后设计一种改进遗传算法对配送路线进行优化。通过改进遗传算法进行“群体位元交配”、变异率逐代递减等操作来优化多车辆配送路线，避免搜索范围过小和陷入局部最优现象，最后采用固定字串长度(FSL)的二元矩阵编码方式解决了各车辆配送站点数目不相同的问题。     

Simultaneous scheduling of machines and vehicles in an FMS environment with alternative routing

Scheduling of flexible manufacturing systems is a well-known NP-hard problem which is very complex, due to additional considerations like material handling, alternative routing, and alternative machines. Improvement in the performance of a flexible manufacturing system can be expected by efficient utilization of its resources, by proper integration and synchronization of their scheduling. Differential evolution is a powerful tool which proved itself as a better alternative for solving optimization problems like scheduling. In this paper, the authors addressed simultaneous scheduling of both machines and material handling system with alternative machines for the makespan minimization objective. The authors proposed a machine selection heuristic and a vehicle assignment heuristic which are incorporated in the differential evolution approach to assign the tasks, to appropriate machine and vehicle, and to minimize cycle time.     

A decomposition-based hierarchical optimization algorithm for hot rolling batch scheduling problem

In this paper, the hot rolling batch scheduling problem is formulated as a multi-objective vehicle routing problem with double time windows model, in which the first time window deals with the surface grade constraint and the second one is for the linkage modes. In view of the complexity of the proposed model and the priority of considered objectives in practical production, a decomposition-based hierarchical optimization algorithm is proposed to solve the model. Firstly, the model is decomposed into two sub-problems: vehicle routing problem with time windows (VRPTW) and single vehicle routing problem with time windows (SVRPTW). Secondly, MACS-VRPTW is used to optimize the VRPTW sub-problem, in which the first objective is prior to the second one. Then, dynamic programming and genetic algorithm are used to optimize the SVRPTW sub-problem so as to reach a higher hot charge temperature. Experimental results based on the practical production instances have indicated that the proposed model and algorithm are effective and efficient.     

基于Witness车辆路径问题的仿真建模与优化

简要介绍了车辆路径问题及仿真的知识,针对实际问题,利用Witness仿真软件,建立车辆路径问题的仿真模型,然后运行仿真模型,得到仿真输出结果,通过对模型结果的输出分析,寻找车辆路径问题的瓶颈因素,通过对瓶颈因素的解决,进行问题的优化,最后得到更优的可行解。     

适应性禁忌搜索算法求解带回程的时变速度车辆路径问题

为求解带回程的时变速度车辆路径问题，建立了问题的数学模型并提出适应性禁忌搜索算法求解。适应性禁忌搜索算法为两阶段的启发式方法，改进固定速度下的启发式方法用于生成时变速度下的初始解，然后运用适应性禁忌搜索算法进一步优化，包括邻域生成规则定义，采用Hash表存储搜索过程中的解，检测解的重复状态，定义逃离局部搜索区域规则。对改进的标准问题进行测试，同时与最近邻域搜索算法的结果作比较，结果表明算法是有效的。与固定速度情形相比较，时变速度模型得到的调度方案更加合理。