基于两阶段启发式算法的低碳物流选址-多车型路径问题研究

为解决低碳排放量物流背景下配送中心选址与多车型车辆路径优化组合的决策问题，构建了以考虑碳排放量的物流综合成本最小为目标的规划模型，并针对该模型的特点，设计了两阶段启发式算法进行求解。第一阶段设计改进K-means聚类方法对客户节点进行分区聚类，然后使用空间单旅程分区算法以货车满载条件为限制确定各配送中心所服务客户；第二阶段以物流综合成本最低为优化目标，建立量子遗传算法进行求解。结合算例结果表明能够在低碳排放量情况下有效降低物流综合成本。     

基于顾客点分布的自提点逐渐覆盖选址模型

为了研究网络零售配送中基于顾客点分布的自提点数量和位置的集成选址问题。根据顾客点的分布设计网格动态密度聚类算法,确定自提点的选址数量和备选位置;然后建立以顾客满意度和最大覆盖为双目标的自提点逐渐覆盖选址模型来实现自提点选址。在IBM CPLEX中对算例进行求解,验证了算法和模型的有效性,同时根据计算结果提出两种适用于网络零售配送的自提点选址策略。     

网购城市配送多容量终端选址与多车型路径集成优化

针对网购物流城市末端配送个性化配送服务需求,分析了末端交付系统的特点,建立了送货上门与客户自提二元需求模型,并引入针对客户群的车辆路径近似连续模型。建立了集送货上门和客户自提于一体的多容量终端选址—多车型路径集成优化模型,并设计一种先"多容量选址—分配"再"多车型路径"的两阶段模拟退火启发式算法。通过末端交付系统不同配置方案对比与算例仿真,验证了模型及算法的实用性与有效性。     

需求依赖末端交付与时间窗的城市配送自提柜选址—路径问题

为了满足城市配送中顾客对末端交付方式和服务时间窗的个性化需求,考虑送货上门和自提柜两种末端交付方式,基于自提柜选址及配送路径对配送节点末端交付方式和时间窗分配的制约性,以配送数量最大化和配送成本最小化为目标,构建了自提柜选址—时间窗分配—路径规划多目标联合优化问题模型,刻画了自提柜距离、配送时间误差对顾客配送服务需求的影响,优化设计了多目标粒子群算法的编码和初始种群构建方法,通过Solomon算例库仿真分析发现:Pareto解集中无法分离出配送数量最大化和配送成本最小化均占优的解;随着顾客对自提柜距离敏感度的增加,两种目标偏好都应减少自提柜数量,尽量采用送货上门服务;随着顾客对配送时间误差敏感度的增加,两种目标偏好均无法避免配送数量下降,车辆和自提柜数量变化趋势并不显著。     

两级分销网络选址——配送问题的模型及算法

为合理设计企业分销网络,提出两级分销网络选址一配送问题,研究在由工厂、配送中心和客户组成的且只销售一种产品的两级分销网络中,从若干候选点里确定已知个数的配送中心的位置以及工厂到配送中心和配送中心到客户的配送方案,使得在满足工厂和配送中心能力限制、客户产品需求、配送中心最小转运量和最小配送量的前提下,包括配送中心选址固定费用、从工厂到配送中心和配送中心到客户的配送费用在内的总费用最小,构建该问题的混合整数线性规划模型,并设计0-1和优先权混合编码的遗传算法。通过对1个演示算例和1组包括2～10个工厂、5-100个配送中心候选点、20-400个客户、6～20个需建设配送中心数的随机生成算例的计算分析,表明了所提方法的可行性和有效性。     

基于客户点行政地址的自提点选址—路径优化

为解决基于客户点行政地址的自提点选址—路径问题,研究了网络零售配送中基于客户点混合地址的自提点选址和路径规划问题的集成优化。根据客户点的行政地址设计了客户点地址聚类算法,确定了代表各客户点的索引点作为自提点备选位置。制定了双层路径规划策略,分别通过改进蚁群算法求解以配送路径最短为目标的上层路径规划模型,实现配送区域块内索引点之间的路径规划;通过下层门牌号码排序算法,利用客户点的行政地址实现了索引点内客户点之间的路径规划。以重庆市巴南区鱼洞街道内的客户点为研究算例,对自提点选址和配送路径规划两方面算法与模型进行验证,计算结果表明了算法和模型的有效性和实用性。     

带时间窗的多中心半开放式车辆路径问题

针对多中心协同配送下的车辆路径问题，建立了总成本最小化模型，所建模型满足多中心、多需求点和半开放式的特征。考虑到问题的复杂性，设计了一种三阶段求解算法：将K-mediods聚类算法用于原始数据分解，将原规模较大的多配送中心路径问题转换成多个单配送中心路径问题；设计了改进多蚁群算法来求解单配送中心路径问题，得到初始方案；在调整阶段，利用节约算法优化初始方案。分析了算例，并同其他文献的算法求解结果进行对比，结果表明，所提算法比GA-ACO算法求解得到的单中心配送最优路径值减小32.16%，总成本减小30.42%；比狼群算法解得的最优路径值和总成本均减小8.99%；比蚁群算法求得的最优路径值减小24.76%，最小配送成本减小3.40%，从而验证了所建模型的合理性和所设计多阶段算法的有效性。     

制造/再制造物流系统集成分区-选址-运输问题研究

在综合考虑制造/再制造物流系统的分区,选址和运输问题,以及运输和设施建设成本的规模经济效应的基础上,建立了两阶段规划模型,用来确定客户分区,选址方案,配送、回收的物流分配和运输路径,使运营周期内的净收益最大.最后通过一个算例验证了模型和算法的有效性.     

基于生鲜品多中心联合配送的半开放式车辆路径问题

针对生鲜品的物流配送问题,提出一种半开放式的多配送中心联合配送模式。考虑到生鲜品运输的时效性要求,设计了相应的时间窗及惩罚成本,构建了以车辆运输成本、派遣成本、时间惩罚成本及生鲜损耗成本等总和最小的优化模型,并设计了蚁群算法对其进行求解。通过算例对比验证了模型与算法的有效性。算例实验表明,半开放式多配送中心联合配送模式优于以往单配送中心独立配送模式,能快速对客户的生鲜需求做出响应,提高物流配送效率,减少生鲜品的损耗,进而降低总的物流配送成本,促进生鲜物流的快速发展。     

迭代可调节网络聚类及其在故障诊断中的应用

针对常用聚类算法对复杂分布数据难以有效聚类的问题,把网络分析技术与基于代价函数最优的聚类技术相结合,提出一种新颖的迭代可调节网络聚类算法。该算法采用网络的思想建立样本空间模型,把数据聚类问题转化为基于节点生长连接的网络分析问题;并设计了可调节的节点间相似关系测度和相应的聚类准则来构建节点间邻域搜索及节点生长操作;通过改变调节系数来实现网络节点间连接关系的整体调节。新算法能够在无需预先设定簇数目的情况下,自动获得簇的数目和样本数据的分布位置。采用4组不同样本分布的人工数据集聚类和往复压缩机气阀泄漏故障诊断试验,对比测试了新算法与K均值算法(KM)的性能,结果表明迭代可调节网络聚类算法可实现对复杂分布的流形数据聚类,在准确率及自动处理程度性能指标上明显优于常用的KM算法。     

众包模式下冷链物流配送模型的仿真和优化分析

众包配送模式正成为冷链物流提高质量的重要策略。为了保证冷链末端配送的时效性和充分利用社会闲散资源,以冷链众包物流配送总分担成本和客户满意度为优化目标,建立了基于众包模式下的冷链配送模型。通过配送方动态筛选,与优化冷链配送任务有机融合,同时考虑客户服务时间窗要求,采用模糊机会策略,并利用进化算法的过程自适应性,来调节交叉和变异概率,设计出一种改进的遗传算法来对系统模型进行优化求解。仿真发现,嵌入互联网众包模式下的冷链物流配送模型更具有灵活性和时效性,也显示出了所设计算法的有效性。     

考虑多级设施中断的供应链选址—库存决策模型及优化算法

针对由工厂、配送中心和零售商组成的树状供应链系统,提出了合理设计其网络结构的方法.考虑零售商的需求不确定性和工厂与配送中心的中断风险,建立了以系统期望总成本最小化为目标的供应链选址—库存决策模型.利用该模型可以确定配送中心的建设位置、数量和仓储容量,以及各工厂/配送中心对于各配送中心/零售商的补货/送货指派等级.为快速得到模型结果,设计了在遗传算法框架下嵌入特定成本分析法的混合遗传算法,给出了该算法的运算思想和实现步骤.通过算例验证了模型和算法的有效性,算例同时表明,在需求不确定环境下,考虑多级设施中断的决策结果优于不考虑设施中断或者仅考虑单级设施中断时的决策结果.     

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.     

基于地铁网络的城市人防疏散系统布局研究

为解决人民防空背景下的城市大规模疏散问题，本文提出依托城市地铁网络开展人防疏散的策略，构建地面-地下一体化人防疏散网络。为优化网络设施选址布局，考虑设施容量约束，以最小化疏散时间为目标，建立网络选址-分配-路径组合优化模型，采用免疫克隆选择算法和Dijkstra算法对模型进行求解。以南京市为案例背景进行仿真模拟，得到相应的系统布局方案，验证了模型和算法的可行性。     

面向离散制造业的装配车间生产物流规划分析

本文以离散制造企业C的装配车间为例,对该车间生产物流进行了业务现状和需求分析,通过对其工艺布局的优化,基于新的工艺布局建立了AGV数量测算模型,并进行了车间实际需求AGV数量测算,最终提升了企业生产现场的作业效率,优化了车间物流,同时,降低了配送成本。     

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题，综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响，构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型，该算法采用聚类法生成初始解，基于运力平衡的返回策略设计交叉和变异算子，并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性，并分析了运力平衡策略和混合时间窗对制定配送方案的影响。研究成果可丰富车辆路径问题的相关研究，为物流企业优化决策配送方案提供了理论依据。     

碳交易下生鲜电商跨区域闭环物流网络及路径

针对我国目前碳交易市场的迅猛发展、跨区域电商配送需求的增加以及生鲜产品因保质期短、易损耗而产生的退货需求,构建了碳交易环境下两阶段生鲜电商企业跨区域闭环物流网络及配送车辆路径优化模型。以苏州市生鲜电商企业为实例,采用遗传算法和粒子群优化算法验证了该模型的有效性。该研究成果为碳交易环境下构建跨区域正逆向电商物流网络及降低系统运营成本提供了借鉴。     

基于矩阵摄动的谱聚类算法确定电网最优分区数的研究

针对电压控制的电网分区数量难以确定和分区易发生改变的问题,提出了一种基于矩阵摄动的谱聚类方法。该方法在谱聚类算法上,通过电气距离构造网络的Lapiacian矩阵,利用其特征根变化量确定分区数量,最后使用K-means聚类算法对电网进行分区。在IEEE14节点的仿真系统下,该方法与原有分区的分区数和分区结果相同。在IEEE39节点的测试系统下,该方法的空间电气距离和节点联系紧密度具有一定的鲁棒性;通过蒙特卡洛随机模拟,在扰动较小的情况下,该方法的分区数保持不变,而在较大扰动下,分区数可能会发生改变,但变化的概率很小。     

集成选址—路径—库存问题的逆向物流网络优化

为提高逆向物流系统的整体运营绩效,综合考虑逆向物流网络中正逆向运输整合的路径优化策略,结合回收产品的可分批运输的特点,建立了选址—路径—库存问题一体优化的混合整数规划模型,并针对模型的特点设计了一种先"选址—分组"、再安排路径和库存的两阶段启发式算法。通过算例仿真证明了该策略的合理有效性。     

生产配送协同计划问题研究

针对单工厂、多产品、多周期、单配送中心的供应链网络,研究了生产、配送协同计划问题,构建了生产、配送协同计划模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程.采用分离策略提出独立决策下的生产计划问题模型和配送计划问题模型.仿真实例的计算结果表明协同决策可以有效地降低供应链成本.