车辆路径问题的混沌粒子群算法研究

针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。     

基于改进粒子群算法的车辆路径问题研究

针对标准粒子群算法在解决多维复杂优化问题中存在的“早熟”现象,以及算法后期出现的搜索精度下降、收敛速度降低等不足,对算法做出改进：引入微生物行为机制中的趋化、繁殖、迁移算子。最后,通过实例验证对比,表明改进粒子群算法在搜索效率和解的质量方面均优于遗传算法和基本粒子群算法。     

改进的粒子群算法在VRP中的应用

提出一种新的求解VRP问题的粒子群算法,该算法通过引入随机交换序、PMX算子使粒子群算法能更好地求解VRP问题。经过实例验证,该算法是解决VRP问题的有效算法。     

“无人机-车辆”配送路径优化模型与算法

基于城市配送的发展趋势,提出一种“无人机-车辆”联合配送模型,以无人机为主导,分3 步进行路径分配,无人机每次配送可以服务多个顾客点,车辆不用在固定点等待无人机。进行单 次路径规划时,让顾客需求点尽可能多的得到服务,最后,以总配送距离最小为目标,对整体路径 进行优化。此外,设计了3种不同的配送场景,构建的模型能同时适用于这3种场景。采用带末 端优化的模拟退火算法求解问题,结果验证了模型的可行性。考虑到未来无人机技术的进一步 提高,对无人机的最大载重量和飞行距离进行灵敏度分析。结果表明,无人机的配送能力受载重 量和飞行距离影响,增大配送能力可以使无人机服务更多的顾客需求点,均衡提升载重量和飞行 距离可以充分发挥无人机的配送能力,更好地完成农村地区的物流配送。     

遗传算法在车辆路径问题中的优化

关于遗传算法的车辆路径优化问题,已经提出过多种思想方法,虽然有些也有实验结果,但仍大有改进余地。针对具体的车辆路径优化问题,对传统遗传算法作了多处关键性改进。针对多客户点基本均布于物流中心的特点,作初始群优化,降低交叉率,提高变异率,简化繁琐的染色体修正计算,极大地提高了寻优速度,减少了遗传操作的数量,为多计算点的遗传操作提供有力的支持。     

物流配送中心选址双层规划模型与算法

新建物流配送中心在选址时不仅要考虑到与已有配送中心的竞争,还要预测到未来可能出现的竞争者,否则将会在竞争中处于劣势地位. 因此建立了“原有配送中心-新建配送中心-未来加入配送中心”这一框架下的双层规划模型,为竞争环境下的新建配送中心选址提供决策依据. 上层目标极大化新建配送中心在计划期内的市场份额,下层目标极大化未来竞争者的市场份额. 其中市场份额由配送中心与需求者之间的距离作为可观察项的多项logit模型来刻画. 设计了遗传算法求解,最后通过实例验证该模型与算法可以有效的避免损失,提高新建配送中心的竞争力.     

动态交通下车辆路径选择模型及算法

为优化动态交通下物流配送成本及服务水平, 依据交通流量将运输时间分为不同时段的不同分布, 建立了具有时间窗约束与物流成本最小的车辆路径混合整数非线性模型, 设计了自然数插值编码的遗传算法对模型进行求解, 对不同交通状况下配送方案选择进行了仿真比较。仿真结果显示遗传算法是收敛的, 依据交通状况选择相应的配送方案, 不仅物流成本降低了2%, 而且服务水平也提高了5%。     

时变单车路径问题建模及算法设计

讨论了一类时变单车配送路径优化问题。综合考虑车辆行驶速度随时间、路段不同而变化的特点,及车辆为多条路线上的客户提供服务时对车辆路径优化的影响,建立了以配送完成时间最早为优化目标的时变单车配送路径优化模型。在行驶时间满足FIFO规则下,设计了基于Inver-over操作的PSO启发式算法及满足贪婪配送策略下的动态规划精确求解算法,并讨论了增加贪婪补货策略的单车配送路径问题解与原问题解的关系。最后分别用两种算法对算例进行求解,并通过对求解优化结果及计算时间的对比分析验证了IOPSO算法的有效性。     

基于粒子群算法的多配送中心选址研究

配送系统设计时,除了使系统的总费用最小外,还要满足各个需求点对时间的要求.综合考虑选址的物流成本和服务水平,在说明了建模的假设条件后,以经济性为决策目标,以时效性为约束条件,建立了带时效性约束的单个产品混合整数非线性规划模型.根据模型的特殊结构和粒子群算法解决复杂问题的优势,运用粒子群算法进行了求解.将多配送中心选址模型及算法应用于某一快递企业的选址问题,用实际调研的数据得出了一个最优选址方案.     

�������·�������ģ�ͼ����㷨

在物流活动的商品配送运输中，由于受不确定因素的干扰，对配送车辆调度的适时性造成了很大影响，从而增加了配送成本和降低了配送的服务质量。本文考虑客户对配送时间的要求和车辆行驶时间的不确定性，建立了以车辆配送总行驶距离最小化为目标的机会约束规划模型，并构造了求解该模型的单亲遗传算法，通过实例对模型求解，结果表明，该算法是很有效的。     

多目标多重运输调度问题的混合算法

本文研究了多目标多重运输调度问题．建立了该问题的目标规划模型，提出了该问题基于分校定界和割平面技术的混合算法。     

快递配送车辆路径优化研究

考虑到快递配送和物流配送的异同,在物流配送路径优化问题的基础上构建了符合快递配送路径优化问题的数学模型.设计了一种采用自然数编码,综合考虑快件数量、车辆载重、车辆容量等约束的解码方式的遗传算法.通过一个拥有20个配送点的快递配送案例,验证本文所构建模型和算法能够得到合理配送路径和各个配送点的服务时刻.最后通过灵敏度分析和四轮厢式货车算例验证表明:当前情况下,研究快递配送路径优化时,快件数量、快递员最长配送时间和各配送点的作业时间必须考虑;当前快递配送车辆的载重和容量满足当前需求,无需更换载重和容量更大的配送车辆.     

随机行驶时间车辆路径问题的模型与算法

车辆路径问题是现有物流管理系统中非常重要的一个方面,许多专家学者对此进行了深入研究.到目前为止,所有这些研究都是针对确定环境下的车辆路径问题或不确定车辆路径问题中具有模糊或随机需求的问题,尚未发现有对随机行驶时间的多类型车辆路径问题进行研究.针对随机信息条件下的多类型车辆路径问题进行了分析,运用不确定规划理论建立了该问题的优化模型,并利用遗传算法对问题进行求解.通过实验证明,该模型及算法对于多类型车辆路径问题具有一定的实用价值.     

An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

基于竞争的物流中心选址双层规划模型及算法研究

提出基于竞争的物流中心选址双层规划模型,将物流中心选址涉及到的两个具有明显不同目标的决策者——选址规划者和客户联系起来考虑问题,并将配送中心建成后遇到的竞争问题也纳入其中.该模型立足物流中心上层决策者和下层决策者两方面,权衡决策者和客户的总成本费用,对于研究物流中心在某个较长规划期内的最优选址问题具有重要意义.利用遗传算法对模型进行求解,最后通过实证分析表明建立的模型及算法具有实用价值和指导作用.