基于货物分类配送的电动汽车路径优化与换电策略研究

电动汽车参与的物流配送服务需要统筹协调车辆路径、配送对象与换电策略。本文提出了考虑货物分类需求的电动汽车路径优化与换电策略问题,并建立了该问题的整数规划数学模型。其次,提出了基于禁忌搜索-改进节约算法的两阶段混合启发式算法MCWTS和一种四阶段启发式算法IGALNS。通过多组小规模算例验证了算法的有效性。随后,分别从运营成本、路径距离、换电策略以及混合运输线路等方面比较并分析了货物分类对运营策略的影响。实验结果表明,该模型可以在配送距离略有增加的情况下避免将不适宜混合运输的货物指派给同一车辆,达到降低货物运输损失提高顾客满意度的目的。最后,通过多组较大规模算例对两种启发式算法的有效性进行了比较。     

客户动态变更配送需求的配送路线优化研究

针对物流配送途中客户动态变更配送需求问题,分别研究了满足客户临时变更收货时间窗、收货地址和取消收货的三种要求时所需成本相较于预先设计配送路径所需成本的波动值,建立了客户临时变更配送需求的动态管理模型.基于嵌套分割算法,设计了邻近救援策略、最佳离库策略、增派车辆策略对模型进行求解.最后,通过算例试验,证明模型可以有效的降低物流配送成本,且具有更强的实用性、灵活性,且嵌套分割算法还在数据优化、计算时间上有显著成效.     

人工蜂群算法在LRIP机会约束模型中的应用

针对现有研究中未考虑配送阶段客户随机需求的问题,本文采用在一定置信区间上满足客户需求的方法,描述这种客户需求不确定的约束,在此基础上,建立了选址-路径-库存问题(Location-Routing-Inventory Problem,LRIP)的机会约束模型。提出人工蜂群算法(Artificial Bee Colony algorithm,ABC)对该问题模型进行优化求解。结合问题特征和邻域知识,提出了一种基于矩阵的编码方法,构造了启发式初始化方法,设计了2种基于矩阵编码的交换策略,在此基础上构造了5种蜂群搜索算子。通过仿真实验,分析比较了初始化方法和5种搜索策略;同时将人工蜂群算法与两阶段法进行了比较,优化结果证明人工蜂群算法是求解LRIP问题的有效方法。     

面向交通监控的动态无人飞机路径多目标优化

考虑到无人飞机在交通监控中存在突发的监测目标,需要动态规划无人飞机的巡航路径.首先,引入时间轴的概念,将动态无人飞机路径规划问题分两阶段解决,第一阶段为初始优化,第二阶段为动态时刻点实时优化,进而转化为静态问题.接着,建立了无人飞机路径多目标优化模型,优化目标为无人飞机广义巡航距离最短、无人飞机的使用数量最少.然后,提出了动态无人飞机可行路径插入法,设计了基于帕累托最优的多目标优化算法.最后,进行了案例分析和算法敏感性分析,分析结果表明,提出的模型和算法是可行、有效的.     

基于移动机器人的拣选系统货架动态储位分配研究

为了提高基于移动机器人的拣选系统拣货效率,更好地满足客户动态需求和订单时效要求,提出了考虑货架后续需求频次、需求紧迫程度以及拥堵因素的货架动态储位分配策略,构建了最小化货架搬运距离的动态储位分配模型,并设计了启发式算法进行模型求解.首先,基于货架需求紧迫程度,构造贪婪算法生成动态货架储位分配的初始解;然后,基于货架在后续批次订单的需求频次及通道间负载均衡,采用邻域搜索算法进行动态货架储位优化.最后,通过与其他静态和动态储位分配方法对比,验证文章提出的模型和算法的有效性.     

智能网联下无人车配送路径优化

结合智能网联无人车实时信息共享与路径选择的特点,研究其配送路径优化问题。通过引进关键点更新策略,制定路径预规划阶段和路径实时调整阶段无人车路径选择策略,提出智能网联环境下基于实时交通信息的车辆路径问题两阶段模型。其中,路径预规划阶段模型确定初始路径与每辆车服务的客户点,路径实时调整阶段模型对每辆车的路径实时调整。对于该优化模型设计遗传算法进行求解,并通过算例验证了模型与算法的可行性。研究结果表明,本文构建的无人车配送优化模型,有效的结合了无人车实时通信与路径选择的特点,节省了无人车配送时间。研究对于无人车在第三方物流配送领域的推广应用具有一定的探索意义。     

考虑共同客户的协同配送优化方法研究

本文针对一些客户仅需要一个配送中心提供配送服务，而某些客户需要多个配送中心提供配送服务(需要多个配送中心提供服务的客户就是企业的共同客户)的情形，提出了一类具有多配送中心、有时间窗限制的车辆路径问题，建立了相应的数学模型。基于“先分类，后求解”的思想，本文设计了两阶段启发式算法：第一阶段提出基于客户聚类的启发式算法，形成聚类信息，将多中心问题转化成单中心问题；第二阶段通过改进的蚁群算法对每个配送中心的情况进行求解。最后，通过算例对该模型的可行性和有效性进行了验证，结果表明与非协同配送方式相比，在配送距离、降低配送成本、提高客户满意度等方面均有明显改进。     

两级定位-路径问题模型及变邻域粒子群算法

为满足B2C电子商务中高效率、低成本配送需求,建立了两级定位-路径问题的三下标车流模型,提出了一种求解该问题的变邻域粒子群算法。该算法引入路径重连思想,将粒子群算法中粒子动态更新设计为当前解的邻域搜索、当前解与个体历史最优解之间的路径重连、当前解与种群历史最优解之间的路径重连;在此基础上,提出变邻域搜索策略,动态改变邻域结构以拓展搜索空间。实验结果表明,该算法能有效求解两级定位-路径问题。     

基于前摄性调度的电动汽车路径问题研究

针对车辆调度过程中资源不均衡的问题,利用需求的不确定性,将配送周期划分为初始配送阶段和补货阶段,建立多阶段电动汽车的两级车辆路径优化模型.根据需求的动态程度对配送区域进行划分,结合前摄性调度和反应性调度策略,提出了一种混合禁忌搜索算法(HTSA)来求解该模型.在真实的案例和多个基准评估算例上的实验结果表明:模型和算法的性能优于传统的启发式算法,具有一定的实用价值.     

基于实际路网情境的配送车辆调度优化

在实际路网情境下结合车道数、车道宽度、路口信号灯设置等路网物理特性,构建了考虑综合交通阻抗的多车型车辆调度模型,提出了两阶段求解策略:第1阶段设计了改进A-star精确解算法用于计算客户时间距离矩阵;第2阶段针对实际路网的特征设计了混合模拟退火算法求解调度方案。以大连市某配送中心运营实例进行路网情境仿真试验,结果表明:改进A-star算法较改进Dijkstra算法具有更短的路径搜索时间;混合模拟退火算法求解结果较实际调度方案优化了13.1% 的综合成本;路网增流、区域拥堵和路段禁行三类路网情境均能对配送方案的车辆配置、路径选择、客户服务次序、作业时间和违约费用等5方面内容产生干扰,调度计划的制定需要详细考虑这些因素的变化。     

考虑外协服务的车辆路径优化问题

降低零售企业的末端配送成本是控制物流成本的关键,共享经济的发展为此提供了新思路。因此,针对零售企业末端上门配送服务成本较高的情况,提出了考虑外协的车辆服务策略,将有意愿进行单次交付的线下客户作为协作车辆配合普通车辆来完成线上客户订单的配送,建立了以最小化普通车辆路径成本,普通车辆使用成本,时间窗惩罚成本和协作车辆补偿成本为目标函数的数学模型,并设计匹配算法和混合遗传算子的模拟退火算法对该模型进行求解,最后结合算例对提出的算法进行检验与分析。     

带时间窗的三维装载物流配送优化方法研究

针对城市物流配送优化研究在客户服务时间窗和货物装载方式合理结合方面存在的不足,考虑物流配送车厢货物装载方式与客户访问序列相关的特征对车厢空间进行合理的区域划分。首先,构建了包含配送中心的固定成本、配送车辆的运输成本、维修成本、租赁成本和违反时间窗惩罚成本的物流运营成本最小化和配送车辆空间利用率最大化的双目标优化模型;然后,提出一种结合遗传算法(GA)全局搜索能力和禁忌搜索算法(TS)局部搜索能力的GA-TS混合算法求解模型;最后,结合重庆市某配送中心的三维装载物流配送实例数据进行了优化计算,实验结果给出了带时间窗的三维装载物流配送路径优化方案,并进行了不同车厢空间分区模式下平均装载率、物流运营成本和车辆使用数的比较分析。研究表明,当客户需求货物种类数与车辆的空间区域划分数相等且按货物类型进行区域划分时,物流运营成本最小,配送车辆使用数最少和车辆平均装载率最高。     

计及客户满意度的电动汽车物流配送路径规划与充放电管理

物流配送作为一种盈利型社会服务性行业,配送服务时间对客户满意度具有重要影响。论文考虑电动汽车(electric vehicle, EV)在配送途中和回到配送中心两个阶段,以物流配送成本最低和客户平均满意度最高为目标,构建了一种EV在换电模式下计及客户满意度的物流配送路径规划与充放电管理多目标优化模型,其中物流配送成本包括换电成本、车辆损耗成本以及慢速充放电成本。最后,以A-n29节点VRP基准测试系统插入四座换电站节点为例进行数值仿真,采用非支配排序遗传算法(Non-dominated sorting genetic algorithm, NSGA-II)对所提多目标优化模型进行求解,结果验证了所提方法的可行性和有效性。此外,论文进一步考查了EV慢速充放电管理对配电系统的影响,并对EV发车时间作了参数灵敏度分析,为管理者提供一些参考。     

基于客户信用度的物流配送车辆路径问题研究

针对当前城市物流配送过程中普遍存在的客户中途取消订单、无故退换货等交易违约问题,引入客户信用度的测度方法。根据客户历史交易违约数据计算客户信用值,并转化求解客户信用度,构建了包含车辆配送成本、租赁成本以及违反时间窗惩罚成本的配送路径优化模型。设计了一种遗传(GA)-禁忌搜索(TS)混合算法进行模型求解,在算法过程中应用精英保留策略进行循环迭代寻优。结合重庆某外卖物流配送网络的实例数据,验证了模型和算法的有效性和可行性。实验结果给出了不同服务策略下的物流配送调度方案,并进行了基于客户信用度的客户配送服务序列调整比较和敏感度分析。研究表明客户信用等级的合理划分可以有效降低物流配送成本和提高客户服务水平。     

An adaptive memory algorithm for the split delivery vehicle routing problem

The split delivery vehicle routing problem (SDVRP) relaxes routing restrictions forcing unique deliveries to customers and allows multiple vehicles to satisfy customer demand. Split deliveries are used to reduce total fleet cost to meet those customer demands. We provide a detailed survey of the SDVRP literature and define a new constructive algorithm for the SDVRP based on a novel concept called the route angle control measure. We extend this constructive approach to an iterative approach using adaptive memory concepts, and then add a variable neighborhood descent process. These three new approaches are compared to exact and heuristic approaches by solving the available SDVRP benchmark problem sets. Our approaches are found to compare favorably with existing approaches and we find 16 new best solutions for a recent 21 problem benchmark set.     

面向电商终端物流配送的电动车配置与路径集成优化

在电子商务终端物流配送方面,存在能力与需求的矛盾。一方面,电动车存在货物容量约束和电池电量约束,配送能力有限;另一方面,一个物流配送点需要为众多的消费者进行门到门的配送,配送任务繁重。针对电子商务环境下终端物流配送规模大、电动车货物容量和行驶里程有限的问题,建立电商终端物流配送的电动车配置与路径规划集成优化模型,并提出一种基于临近城市列表的双策略蚁群算法,实现物流配送电动车辆配置与配送路径集成优化。该模型以电动车辆数最少和总路径最短为目标,以电动车货物容量和电池续航里程为约束,是带容量的车辆路径问题的进一步扩展,属于双容量约束路径规划问题。双策略蚁群算法在货物容量和续航里程的约束下,将蚁群搜索策略分为两类,即基于临近城市列表的局部搜索策略和全局搜索策略,在提高搜索效率的同时防止陷入局部优化。最后,通过阿里巴巴旗下菜鸟网络科技有限公司在上海的30组真实配送数据进行了测试,验证双策略蚁群算法显著优于一般蚁群算法。     

The two-echelon capacitated electric vehicle routing problem with battery swapping stations: Formulation and efficient methodology

In this paper, we present a two-echelon capacitated electric vehicle routing problem with battery swapping stations (2E-EVRP-BSS), which aims to determine the delivery strategy under battery driving range limitations for city logistics. The electric vehicles operating in the different echelons have different load capacities, battery driving ranges, power consumption rates, and battery swapping costs. We propose an integer programming formulation and a hybrid algorithm that combines a column generation and an adaptive large neighborhood search (CG-ALNS) to solve the problem. We conducted extensive computational experiments, demonstrate the applicability of the proposed model, and show the efficiency of the CG-ALNS algorithm. In addition, we explore the interplay between battery driving range and the effectiveness of vehicle emission reduction through sensitivity analysis.     

A goal programming approach to vehicle routing problems with soft time windows

The classical vehicle routing problem involves designing a set of routes for a fleet of vehicles based at one central depot that is required to serve a number of geographically dispersed customers, while minimizing the total travel distance or the total distribution cost. Each route originates and terminates at the central depot and customers demands are known. In many practical distribution problems, besides a hard time window associated with each customer, defining a time interval in which the customer should be served, managers establish multiple objectives to be considered, like avoiding underutilization of labor and vehicle capacity, while meeting the preferences of customers regarding the time of the day in which they would like to be served (soft time windows). This work investigates the use of goal programming to model these problems. To solve the model, an enumeration-followed-by-optimization approach is proposed which first computes feasible routes and then selects the set of best ones. Computational results show that this approach is adequate for medium-sized delivery problems.     

部分联合运输策略下的物流车辆路径优化问题研究

论文分析了物流车辆路径优化问题的特点,提出了企业自营物流和第三方物流协同运输的部分联合运输策略。根据客户需求节点的特点进行了节点分类,建立了以车辆调用成本、车辆运输成本、第三方物流运输成本之和最小为目标的整数线性规划模型。根据部分联合运输策略下各类客户需求点运输方式特点,构造了一种新的变维数矩阵编码结构,并对传统算法中概率选择操作方式进行修改,提出了一种新的智能优化算法并与枚举法和遗传算法的运算结果进行了算法性能对比分析。结果显示,本文提出的逆选择操作蚁群算法具有较快的运算速度和较高的稳定性,是求解此类问题的一种有效算法。