消费者"最后一公里"配送模式、服务方式与配送时隙的联合选择

为描述消费者对"最后一公里"配送模式、服务方式和配送时隙的联合选择行为,选取社会经济属性、配送活动属性和配送服务属性3类变量作为效用变量,以配送模式子集合、服务方式子集合和配送时隙子集合的组合作为选择项,构建基于广义极值(GEV)理论的交叉巢式Logit模型。通过问卷调查获得的数据,对模型参数进行估计和检验,并进行配送服务属性类效用变量的直接弹性分析。参数估计结果表明,当效用变量改变时,如果配送服务发生在上午,消费者会先变更其配送时隙,然后变更配送模式,最后考虑改变服务方式;如果配送服务发生在下午,消费者会先变更配送模式,然后变更配送时隙,最后变更服务方式。直接弹性分析表明,消费者对送货上门带来的等待时间、服务水平和经济损失都比较敏感;对职业人的配送服务相对信任,而对非职业和无人的服务方式较为顾虑;对8:00～10:00送货上门服务和12:00～16:00自提货物服务的各方面都很关注。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

离散猫群优化算法求解带交货期的FJSP问题

针对带交货期的柔性作业车间调度问题(flexible job shop scheduling problem,FJSP),提出一种离散猫群优化算法(discrete cat swarm optimization,DCSO),以优化工件最大完工时间和平均提前/拖期时间.首先,设计一种两段式离散编码方式,用于表示调度解,并采用启发式算法实现种群初始化;其次,为了使算法能够直接在离散调度空间内运行,在搜寻模式下设计基于3种不同邻域结构的搜寻方法,并在跟踪模式下提出一种新型离散个体更新公式;再次,采用线性自适应猫群行为模式选择策略,协调算法全局搜索和局部搜索的能力;最后,为了进一步改善计算结果,在算法中嵌入一种局部搜索策略.通过基准算例测试DCSO算法的性能,仿真结果表明所提DCSO算法在求解FJSP问题方面的有效性.