包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

循环经济视角下高校快递包装物回收模式优化研究

为了优化现有回收模式,提出高校后勤部门与校园快递代理点协同回收快递包装物模式,运用Stackelberg博弈构建模型求出最优快递包装物价格和回收率的关系式,并分析两者的主要影响因素。高校可以通过改变奖惩力度,来控制快递代理点及后勤部门对快递包装物的回收率;采用教育和奖惩相结合的方式提高学生回收意识,充分调动学生的积极性,以保障高校环境清洁,促进资源循环利用。     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

应用蜜蜂繁殖进化型粒子群算法求解车辆路径问题

为了提高粒子群算法求解车辆路径问题时收敛速度和全局搜索能力,将蜜蜂繁殖进化机制与粒子群算法相结合,应用到CVRP问题的求解。该算法中,最优的个体作为蜂王与通过选择机制选择的雄蜂以随机概率进行交叉,增强了最优个体信息的应用能力;同时,随机产生一部分雄蜂种群,并将其与蜂王交叉增加了算法的多样性。实例分析表明该算法具有较好的全局搜索能力,验证了该算法的可行性。     

基于无废城市理念下的校园包装物回收调查研究——以重庆交通大学为例

随着互联网技术的进步,网购已成为互联网发展最具代表性且是日常生活不可或缺的附属品,但其产生的快递包装废弃物也对环境产生了较大影响。快递包装物的回收利用被提上日程,不仅有助于实现快递行业绿色发展,也符合我国无废城市的理念。在校大学生是网购的主体,也是未来的环保主力军,本研究报告以重庆交通大学（南岸校区和科学城校区）为例,运用问卷调查、数据分析等手段,对在校大学生快递包装物回收处理现状、回收意愿、行为与意识,以及便捷回收机制等进行分析,并对无废城市理念下的绿色校园提出建议。     

基于生态设计理论的快递包装物回收利用研究

随着电商、快递行业迅猛发展,快递包装物的产生数量呈直线上升趋势,快递包装物在生产材料以及回收利用上仍存在一定的困境,日趋增多的快递包装物,对生态环境造成了严重的污染。现阶段,快递包装物的回收利用模式存在局限性,亟需创新快递包装物回收形式以及优化包装材料。从产品设计的角度出发,传统的快递包装物需要转型,以资源节约、循环利用为基石,以致力绿色生态环境,推进快递包装物回收利用为目标,结合生态设计理论,减少资源消耗,实现资源可持续发展,促进快递包装物回收利用。     

基于货架寿命的乳制品配送车辆路径优化研究

目的 基于货架寿命对库存和配送进行优化研究,降低冷链过程中的乳制品损耗,保证乳制品的质量,降低企业成本,提高消费者的满意度。方法 考虑到货架寿命对配送的影响,在研究货架寿命的基础上,建立乳制品货损率与货架寿命的关系式。在时间窗约束下,以总成本最小为目标,分别构建未考虑货架寿命的配送车辆路径优化模型和考虑货架寿命的配送车辆路径优化模型,并通过改进遗传算法对2种模型进行求解分析。结果 对比2种模型的最优结果,发现在1个配送周期内,基于货架寿命配送的总成本比不考虑货架寿命的运输总成本低3.71%。结论 该研究在一定程度上可以为物流企业减少配送成本,提高企业的经济效益。     

军事应急物流中多目标路径优化的研究

本文从军事应急物流的定义和特点出发建立了多目标的路径优化模型,并基于遗传算法总结归纳了解决多目标路径优化问题的三种方法。     

商品废旧包装物的回收和利用

生产包装用品需耗费大量的能源和原材料。西方工业化国家都非常重视废旧包装材料回收和利用工作。如德国马口铁的回收率达50％，瓦楞纸回收率达95％；日本废纸回收率为78％。近十几年来，包装物回收已为美国创造了近40亿美元的财富。     

带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题.通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能.通过计算若干benchmark问题,验证了模型的有效性.     

基于智慧物流的高校快递包装回收流程再造与优化研究

目的 通过对高校快递包装回收的流程进行再造和优化,以提高高校快递包装回收水平。方法 对现有流程进行分析,发现存在的问题,并提出再造思路和实施办法。结果 新流程可以有效节约资源,提高高校快递包装回收效率。结论 适应智慧物流发展趋势,高校快递包装回收流程再造和优化势在必行。     

基于正交实验的快递包装循环利用的优化分析

目的 分析现有的快递包装循环利用观点,优化整合快递包装循环利用形式,调查各个阶段快递回收的流程及其可行性,整理出成本因素、材料因素、促进因素、社会因素4个因素,对比各因素对快递包装循环利用的影响程度。方法 通过去重优化方法和正交实验进行分析,采用直观分析法和方差分析法进行对比观察,得出各因素的重要程度。结果 对快递包装循环利用的影响从大到小依次为成本因素、材料因素、促进因素、社会因素,特别是成本因素影响最大,而社会因素的影响效果并不明显。结论4项因素的影响度排序可以提高现有的包装循环利用效率,提高资源利用率,保护生态环境,为利用快递包装循环的行业提供更加优化的选择。     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

A Hybrid Genetic Algorithm for Vehicle Routing Problem with Complex Constraints

Most research on the Vehicle Routing Problem （VRP） is focused on standard conditions, which is not suitable for specific cases. A Hybrid Genetic Algorithm is proposed to solve a Vehicle Routing Problem （VRP） with complex side constraints. A novel coding method is designed especially for side constraints. A greedy algorithm combined with a random algorithm is introduced to enable the diversity of the initial population, as well as a local optimization algorithm employed to improve the searching efficiency. In order to evaluate the performance, this mechanism has been implemented in an oil distribution center, the experimental and executing results show that the near global optimal solution can be easily and quickly obtained by this method, and the solution is definitely satisfactory in the VRP application.     

考虑时间可靠度约束的4PL路径优化问题研究

运输时间的不确定性是影响第四方物流路径选择的重要因素。本文 将可靠性理论应用到路径优化问题中,把客户对时间可靠度的要求作为约束条件,以运输总费用最小为目标,基于多重图建立考虑时间可靠度约束的第四方物流路径优化问题的机会约束规划模型,设计双列变长编码机制的遗传算法求解模型。通过仿真实例验证模型和算法的有效性,结果表明针对客户对时间可靠度要求的不同,该算法可以快速并有效地帮助决策者做出最优的路径选择。     

随机需求下半开放式冷链物流车辆路径优化

目的 降低冷链物流配送成本的同时,保证客户体验及碳排放达到企业要求。方法 综合考虑运输距离、客户软时间窗约束、碳排放、生鲜变质等因素,以制冷成本及对配送时间惩罚成本在内的总成本最低、碳排放量最低、生鲜产品新鲜度最高为目标,建立多目标生鲜配送路径优化模型,并设计模拟退火算法,以北京某冷链物流企业为例进行求解验证。结果 得出生鲜配送方案,通过配送模式对比表明多中心半开放式在降本和缩短路径长度方面更具优势,其中运输总费用和车辆行驶总距离相比于单中心独立配送模式分别降低了8.41%和36.36%。结论 需求不确定下,合理决策路由可在达到企业对生鲜产品新鲜度及碳排放标准的同时,有效降低配送成本。     

物流车辆路径问题的混合快速蚂蚁算法

通过分析快速蚂蚁算法的原理和易陷入局部最优的缺点,提出了将贪婪算法和快速蚂蚁算法相结合的混合算法求解物流车辆路径问题.混合算法在最优值未改进次数超过限定次数时,自动调用贪婪算法来寻找一个局部最优解,并调整相应路径上信息素的量.为保证解的多样性,对贪婪算法本身使用随机选择第一个客户的方法进行了调整.用计算实例比较并分析了快速蚂蚁算法、混合算法及其他算法应用到车辆路径问题上的结果,说明了贪婪算法使混合算法跳出局部最优的过程以及混合算法的不足之处.