模糊集IF-THEN规则的蚁群空间聚类分析

将蚂蚁的拾起和放下对象的行为表示为模糊集.通过模糊集的IF-THEN规则计算蚂蚁执行任务的激励和反应阈值,得到蚂蚁拾起或放下项目的概率,对蚂蚁的行为做出决策,实现对空间数据的聚类.以矿山实际测量数据为空间数据源,采用基本的蚁群聚类算法和模糊蚁群空间聚类算法分别对其进行聚类.通过对这两种算法的实验结果进行分析比较,证明改进后的算法提高了聚类效果.     

基于两阶段启发式算法的物流配送选址-路径问题研究

为了解决配送中心选址与带时间窗的多中心车辆路径优化组合决策问题,利用双层规划法建立了配送中心选址与车辆路径安排的多目标整数规划模型,针对该模型的特点,采用两阶段启发式算法进行了求解。首先,通过基于聚集度的启发式算法对客户进行分类,确定了备选配送中心的服务范围;然后,基于双层规划法,以配送中心选址成本最小作为上层规划目标,以车辆配送成本最小作为下层规划目标,建立了多目标整数规划模型;最后,利用改进的蚁群算法进行了求解。通过分析实例数据和Barreto Benchmark算例的实验结果,验证了该模型的有效性和可行性。     

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。     

生鲜农产品多配送中心连续选址FCM-ISA算法及应用

本文对生鲜农产品多配送中心连续选址问题进行了研究,在建立考虑最小距离约束下连续选址模型的基础上,针对以往连续选址模型求解过程中采用随机方式生成初始解会造成算法搜索范围过大且易陷入局部最优的局限,创新性地提出了连续选址模型的模糊C均值聚类-改进模拟退火(FCM-ISA)算法,并以杭州市为例验证了所建模型及设计算法的有效性。计算结果表明,本文所建立的生鲜农产品多配送中心连续选址模型更符合实际选址情景,设计的FCM-ISA算法收敛速度快且全局寻优效果好,对科学地进行生鲜农产品多配送中心选址决策具有重要的指导意义。     

改进的布谷鸟算法求解物流配送中心选址问题

针对基本布谷鸟算法求解物流配送中心选址问题时存在搜索精度低、易陷入局部最优值的缺陷,提出一种改进的布谷鸟算法.算法采用基于寄生巢适应度值排序的自适应方法改进基本布谷鸟算法的惯性权重,以平衡算法的全局开发能力和局部探索能力;利用NEH领域搜索以提高算法的搜索精度和收敛速度;引入停止阻止策略对全局最优寄生巢位置进行变异避免算法陷入局部最优值、增加种群的多样性.通过实验仿真表明,改进的布谷鸟算法在求解物流配送中心选址问题上要优与基本布谷鸟算法以及其它智群算法,是一种有效的算法.     

冷链低碳物流配送路径优化的细菌觅食—蚁群算法研究

冷链物流的绿色发展已成为国家十三五发展的热点,在分析冷链物流配送环节各种成本基础上,以车载容量和时间窗为约束,构建综合总成本最小化的冷链低碳物流配送路径优化模型.将细菌觅食算法中的复制操作和趋向操作引入基本蚁群算法中,改善了算法的收敛效率和全局搜索能力,提出了细菌觅食一蚁群算法用于求解冷链低碳物流配送路径优化模型.通过实例仿真表明,在求解冷链低碳物流配送路径优化模型方面,细菌觅食—蚁群算法能够以更高的效率寻找到更低的综合总成本,验证了改进算法的合理性和有效性.     

带柔性时间窗车辆路径问题的混沌蚁群算法

带柔性时间窗的开放式车辆路径问题(Opening Vehicle Routing Problem with Flexible Time Windows,OVRPFTW)对物流配送中的延迟或者提早具有一定程度的容忍.本文首先建立了OVRPFTW的数学模型,然后分别将Sine映射,Chebyshev映射和Logistic映射引入基本蚁群算法,构建了三种混沌蚁群算法,并将其用于求解OVRPFTW.算例测试表明:Sine映射和Chebyshev映射能够明显地改进基本蚁群算法的优化性能,基于Sine映射和Chebyshev映射的混沌蚁群算法的求解性能优于基本蚁群算法和基于Logistic映射的混沌蚁群算法.     

种群规模自适应粒子群在配送中心连续型选址中的应用

本文依照更具有现实意义的“加工厂—配送中心—用户”的模式建立物流配送中心连续型选址模型,并针对较大规模的选址问题提出求解算法。该算法是将具有较强鲁棒性的自适应粒子算法和改进的ALA(Alert Location-Allocation)方法结合而得,该算法中种群规模自适应变化,对经典粒子移动方程进行改进,消除了学习因子,惯性因子随粒子适应值自适应变化,改进的ALA方法提高了算法计算效率。数值试验表明,本文所建模型具有一定的实践优越性,所提出的算法能有效避免陷入局部最优,寻优能力和鲁棒性均较强。     

带时效性约束的配送中心多源选址问题研究

应用启发式算法求解带时效性约束的多源选址问题.分析物流配送的时效性问题,建立带时效性约束的配送中心多源选址模型.构造两步启发式算法:1)借助传统迭代算法,求解物流服务分配矩阵,把多源选址问题转化为单源选址问题;2)基于M ATLAB函数,设计优化程序,计算带时效性约束的单源选址模型.并给出算例,验证模型和算法的可行性.研究表明两步启发式算法是求解带时效性约束的物流配送中心多源连续选址问题的有效算法.     

基于加权绝对值距离Steiner最优树的选址问题

提出基于加权绝对值距离Steiner最优树思想的选址模型,给出了该模型的蚂蚁算法实现策略.在此基础上,分析了电子商务环境下企业配送中心选址问题,并用算例验证了该选址方案的可行性.     

A multi-objective chance-constrained network optimal model with random fuzzy coefficients and its application to logistics distribution center location problem

The problem of the distribution center is concerned with how to select distribution centers from a potential set in order to minimize the total relevant cost comprising of fixed costs of the distribution center and transport costs, and minimize the transportation time. In this paper, we propose a multi-objective network optimal model with random fuzzy coefficients for the logistics distribution center location problem. Furthermore, we convert the uncertain model into a deterministic one by the probability and possibility measure. Then the spanning tree-based genetic algorithm (st-GA) by the Prüfer number representation is introduced to solve the crisp multiobjective programming. At last, the proposed model and algorithm are applied to the Xinxi Dairy Holdings Limited Company to show the efficiency.     

军事物流系统中定位-运输路线安排模型及算法

考虑到战时物资需求的紧迫性和保障资源的有限性,从决策者的角度出发,以军事物流系统总体供应时间最短为目标,构建了两级军事配送网络的定位-运输路线安排模型,并给出一种启发式算法.算法分为两个阶段,首先利用蚁群算法和线性规划的方法解决运输路线安排问题,然后运用贪婪搜索算法解决军事物流配送中心选址问题.最终,将两种算法结合起来进行逐步搜索,从而得到模型的解,并运用实例说明了算法的有效性和可行性.     

基于k-means聚类与粗糙集算法的指标筛选方法研究

针对多属性决策中指标的信息重复和不确定性问题,提出了一种基于改进的k-means聚类与粗糙集算法相结合的指标筛选方法。首先,定义样本的空间分布密度,实现初始聚类中心优化的k-means算法,对连续型指标进行离散化处理;然后利用粗糙集的相对约简原理进行指标约简,删除存在信息重复的冗余指标,并结合绿色经济指标体系构建的案例验证了该方法的合理性和有效性。     

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%。     

供应商不确定情景下药品物流多中心选址优化研究

根据国家4+7药品带量集中采购评审标准,基于药品生产企业生产质量、供应能力、相关资质和同类药品参标结果等数据进行梳理和分析,针对药品供应商不确定情景下药品物流多中心选址问题,构建药品物流整体费用最优的多中心选址模型,设计多阶段改进禁忌搜索算法,最后通过4+7带量集中采购具体算例对模型和算法进行验证,结果显示该模型和算法是可行和有效的。     

改进的生成树遗传算法及其在物流配送成本优化中的应用

针对物流配送成本优化问题的特点,建立了数学模型,并对基本的生成树遗传算法进行了改进,同时详细阐述了改进的生成树编码的遗传算法在物流配送成本优化问题中的运用等关键技术.最后根据此算法设计了一个物流配送优化系统,解决了一个物流配送成本优化问题,效果良好.此系统对于中小型物流公司设计最优物流策略和降低物流成本有着很大的应用前景.     

基于物流AGV的“货到人”订单拣选系统任务调度研究

基于物流AGV的“货到人”订单拣选模式由于其高效率和灵活性,逐渐成为电商物流配送中心订单拣选系统发展趋势。本文通过对基于物流AGV的电商物流配送中心订单拣选作业流程分析,提出多拣选台同步拣选和多拣选台异步拣选两种作业模式。然后对基于物流AGV的订单拣选任务调度问题进行描述,以物流AGV完成所有任务的时间最短为目标,分别建立同步和异步两种拣选模式下物流AGV任务调度模型;针对物流AGV任务调度问题特性,对共同进化遗传算法粗粒度模型进行改进用于模型求解。最后,通过改进前后算法的对比,验证了改进共同进化遗传算法在求解物流AGV任务调度问题中的有效性;通过在求解速度和优化结果上对多拣选台同步拣选和异步拣选两种作业模式进行比较,得出同步拣选优于异步拣选的结果。     

基于网络分析方法的物流配送中心选址的研究

经济全球化。信息技术和电子商务的发展对物流产生了深刻的影响。使之呈现出新的特点。这些特点对配送中心选址的研究提出了更高，更新的要求。本在对GIS网络分析方法的阐述和P中心选址模型的分析的基础上，建立了配送中心选址优化模型。该模型通过引入商品保管费用、处理费用、配送中心建造费用对P中心选址模型进行了拓展，并通过总费用最小化确定配送中心的数量、位置以及资源点与配送中心、配送中心与用户之间的供需关系。