应急物流LRP鲁棒双层优化模型研究

考虑到突发事件下受灾点对救灾物资需求的不确定性,针对应急物流设施的定位和车辆运输救灾物资路线进行协同研究,建立了应急物流设施定位-车辆路线选择问题(LRP)鲁棒双层优化模型.运用分散式决策方式下的转化定理,将所建立的含有不确定系数的层次关联协同优化模型进行确定性转化,并设计一种混合遗传算法对转化后的确定性双层规划模型进行求解,最后,通过实例验证了模型的合理性及算法的可行性.     

乘用车物流运输计划问题的建模研究

首先针对不同类型、数量乘用车的物流运输问题,构建整数线性规划模型,并对模型进行逐层优化求解,通过MATLAB编写通用程序实现计算;在此基础之上,为解决不同目的地的运输要求,采用启发式逐层优化算法进行求解;最后考虑多因素的实际问题,建立分层划分模型,提出构造型分层划分启发式算法求解.计算表明,所建模型计算结果良好,实现了对乘用车物流运输计划问题的优化.     

循环取货模式下的多车场协同运输问题研究

分析循环取货模式和协同运输问题的关联性,提出了供需节点分离下的多车场一体化协同运输路线优化问题,考虑运输价值和运输成本,引入节点-弧流量的概念,通过比较流量大小确定节点集合,构建了问题的多供应点、多需求点运输模型.考虑取货的单向性和送货的闭合性,构造了求解模型的两阶段算法,运用动态规划的递推解法确定取货最优路线,然后基于余弦定理的几何法求解出发点和返回点不相同的送货路径优化问题,最后通过算例分析,说明了模型的合理性和算法的有效性.     

免疫算法在车辆调度问题中的应用

免疫算法是模仿生物体高度进化、复杂的免疫系统仿生的一种智能化启发式算法。本文根据车辆调度问题的具体情况，应用免疫算法解决车辆调度中路线安排问题，并提出了一种基于分组匹配的亲和力的计算方法。实验结果表明，免疫算法能有效地应用于车辆调度中路线安排问题。     

城市垃圾分类收运中的数学模型化方法

研究厨余垃圾的处理与清运问题,为大、小型处理设备的数量选择、选址及垃圾收运路线的设计分别建立了最优化模型。模型中将城市道路网抽象成无向赋权图,考虑了在交通拥堵和环境影响下的运输成本、设备处理量的均衡性和对环境的影响程度,构成多目标优化问题,进而运用改进的粒子群算法确定大型设备的位置,并给出了设置小型设备的基本原则;通过分析大、小型设备在不同处理能力下总成本的差异,确定了适合城市实际情况的最优设备处理能力。垃圾收运路线设计中以运输成本与环保成本作为优化指标,建立了基于K-TSP的运输车辆清运路线模型,并运用蚁群算法进行路网优化。最后对深圳市南山区的厨余垃圾收运问题进行了仿真,仿真结果表明上述模型和算法能有效地解决城市垃圾分类收运问题。     

邮政运输中邮路的规划和邮车调度问题的研究

以邮政运输网络中运输效益最优为目标,建立了分步规划的图论模型.运用Floyd算法、Kruskal算法对模型进行分步求解并逐步优化,通过Matlab、Lingo、SPSS软件求解,提出三种优化邮路、降低邮车调度成本的方法.模型对解决邮路问题、单旅行商、多旅行商等相关问题具有普遍适用性,可以推广到点数更多TSP的问题.     

震后应急物流系统中带时间窗的模糊动态LRP

针对震后应急物流系统中多层次设施定位－运输路线安排问题(LRP),考虑系统中的动态性、时效性、路网连通性、需求不确定性等特点,建立了一个带时间窗的模糊动态LRP优化模型,据此进行救援过程中不同周期灾区外围应急物资集散点和灾区应急配送中心的定位以及应急物资运输路线安排的联合决策。针对该模型的特点,提出了一种基于动态规划的改进遗传算法,为防遗传算法过早收敛问题,使用了随机遍历抽样法、重组策略和变化变异率法,并通过特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。最后,通过算例分析验证了该模型和算法的有效性。     

基于启发式算法的乘用车物流运输计划问题研究

主要解决的是乘用车整车物流的运输调度问题,通过对轿运车的空间利用率和运输成本进行优化,建立整数规划模型,设计了启发式算法,求解出了各种运输条件下的详细装载与运输方案.     

多行程车辆路径问题和配送中心定位问题的研究

为了同时解决多行程车辆路径问题和配送中心的定位问题,首先开发了一个以最小化总成本为目标的数学模型,其中总成本包括运输成本和车辆启动成本.然后设计了一个启发式算法解决这个问题,包括三个阶段:第一阶段是找到初始定位并进行路线安排,第二阶段采用模拟退火(SA)的逻辑和交换算法来获得更好的路线,最后阶段是改善由模拟退火算法中当前温度控制的位置.通过标准样例进行的实验结果表明,该算法可以更好地获得一个配送中心定位和有效的相关路线安排.最后,数值实验指出:1)选择不同类型行程的配送方式取决于每辆车的启动成本和单位距离的运输成本;2)使用大容量车辆可以更好地减少运输距离.3)增加服务时间可以有效地减少所需车辆的数量,这三个结果对于多行程车辆路径问题和配送中心的定位问题的管理决策都具有一定的实用价值.     

托运人联盟下的订单组合及车货调配问题研究

中小型企业的快速发展使得如何有效利用其物流资源、降低其物流成本成为一个亟需解决的问题。本文基于运输联盟的角度,建立了以最小化总成本为优化目标,综合考虑各运输需求时间窗、运输量等因素的车货调度模型。而后,提出了3种时间窗处理策略,设计了粒子群算法对上述模型进行求解,并通过算例对模型和算法的有效性进行了分析。算例结果表明,该模型一方面能够显著降低物流总成本,另一方面可有效节约使用车辆数。因此,本文研究对降低社会物流成本、整合社会物流资源具有一定的理论意义。     

B2C电子商务仓库拣货路径优化策略应用研究

当前国内B2C电子商务仓库多为人至物的拣货模式,拣货作业成为其核心作业之一,占据仓库大量时间成本和资金成本,拣货路径优化成为企业亟需解决的问题。本文基于TSP对拣货路径进行建模,利用蚁群算法、模拟退火算法和禁忌搜索对该NP-hard问题进行求解,并同当前企业普遍采用的S型启发式策略进行对比,拣货时间节约13.35%。进一步得出当拣货品数量较少时应采用模拟退火算法求解,而当拣货品数量较大时采用蚁群算法仅进行一次迭代,则可以实现短时间得到相对较优的解。所得结果已应用于某大型电子商务企业,效果明显。     

军事定向越野路径优化问题建模及混合蚁群算法求解

军事定向越野运动中存在点位多、分布散、时间紧、得分要求高等条件,为在规定时间内找到一条得分高的行进线路,找到衡量和分析运动成绩好坏的标准,文中对军事定向越野中的路径优化问题进行了深入分析,建立了混合整数规划模型,设计了一种混合蚁群算法。算法中,首先由改进蚁群算法找到初始解,然后再利用选择、交叉和变异算子进行解的优化,通过仿真实验和算法对比验证了混合蚁群算法的可行性和优越性。     

改进蚁群算法在应急VRP问题中的应用研究

提出一种改进的蚁群算法优化应急物流配送车辆路径问题算法,设计了应急物流配送车辆路径问题的数学模型,并利用计算机进行了仿真实验.实验结果表明,方法能有效解决应急物流配送车辆路径问题,具有一定的理论价值和实际意义.     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是一种求解复杂组合优化问题的新的拟生态算法,也是一种基于种群的启发式仿生进化算法,属于随机搜索算法的一种,并用于较好地解决TSP问题.然而此算法也有它自己的缺陷,如易于陷入局部优化、搜索时间长等.通过对基本蚁群算法的介绍及相关因素的分析,提出了一种改进的蚁群算法,用于解决TSPLAB问题的10个问题,并与参考文献中的F-W、NCSOM、ASOM算法进行比较,计算机仿真结果表明了改进算法的有效性.如利用改进的蚁群算法解决lin105问题,其最优解为14382.995933(已知最优解为14379),相对误差是0.0209%,计算出的最小值几乎接近于已知最优解.     

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。     

经过改进的求解TSP问题的蚁群算法

介绍了一种求解TSP问题的算法—改进的蚁群算法,算法通过模拟蚁群搜索食物的过程,可用于求解TSP问题,算法的主要特点是:正反馈、分布式计算、与某种启发式算法相结合.通过对传统蚁群算法的改进可以得到较好的结果.计算机仿真结果表明了该算法的有效性.     

蚁群遗传混合算法

将蚁群遗传混合算法分别求解离散空间的和连续空间优化问题.求解旅行商问题的混合算法是以遗传算法为整个算法的框架,利用了蚁群算法中的信息素特性的进行交叉操作;根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-0pt方法对问题求解进行了局部优化.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.求解连续空间优化问题是以蚁群算法为整个算法的框架,加入遗传算法的交叉操作和变异操作,用测试函数验证了混合蚁群算法的正确性.     

基于Voronoi划分的同城即时配送优化策略研究

近年来经济社会发展及新零售业强势崛起使得平台或商家对大规模即时配送需求日益增加,在求解大规模车辆路径问题时仅使用启发式算法或其融合算法已无法满足实际需求。本文针对基于分众级的同城即时配送模式及现阶段存在的问题,确定了基于Voronoi划分算法的即时配送分区方法和对基础蚁群算法的三个改进策略;并以全程配送产生的总成本最少为目标函数,构建了带用户需求软时间窗的车辆路径问题数学模型;最后选取客户、车辆以及门店共计一百二十个真实地理位置数据,验证了本文提出的求解策略的有效性,并分析最终结果。结果显示,①使用Voronoi分区-改进蚁群算法的两阶段方法求解大规模车辆路径问题能显著减少配送总成本,同时提升客户满意度;②在多门店的条件假设下,采用改进蚁群算法求解得到的超时时间比基础蚁群算法少36%,配送总成本低17%。     

启发式蚁群算法及其在高填石路堤稳定性分析中的应用

模仿蚁群之群体行为而发展起来的蚁群算法 ( ACA) ,目前多用于求解组合优化问题 .为了让 ACA能求解复杂边坡工程问题 ,本文对蚁群算法的结构和蚂蚁转移概率的确定方法进行改进 ,得到一个新的评价复杂边坡稳定性的方法——启发式蚁群算法 ( HACA) ,探讨了 HACA在高填石路堤稳定性分析中的应用 .     

A bi-level programming model and solution algorithm for the location of logistics distribution centers

In this paper, by considering benefits of customers and logistics planning departments, a bi-level programming model is presented to seek the optimal location for logistics distribution centers. The upper-level model is to determine the optimal location by minimizing the planners’ cost, and the lower gives an equilibrium demand distribution by minimizing the customers’ cost. Based on the special form of constraints, a simple heuristic algorithm is proposed. Finally, a numerical example is used to illustrate the application of the method, which shows that the algorithm is feasible and advantageous.