多类型乘用车装载方案优化应用研究

为解决整车物流配送中多类型乘用车装载方案制定的效率低下、成本过高等问题,制定各类型轿运车配载方案选择与使用数量优化两阶段的求解思路:第一阶段根据轿运车以及乘用车的尺寸属性,运用排样算法筛选出空间利用率较高的配载方案;第二阶段,将轿运车使用数量转化为配载方案使用次数的总和,在此基础上建立以轿运车使用数量最小为目标的装载方案优化模型,并运用Matlab7.0编程求解.实例验证表明,设计的模型与算法能在更短时间内得到最优解,具有较强的理论及现实意义.     

轿运车配载问题的整数线性规划模型及解法

<正>1引言轿运车配载是整车物流过程中经常遇到的问题[1].由于轿运车的租用费用非常昂贵,配载问题通常要求在保证运输任务完成的条件下调用最少数量的轿运车并给出其配载和运输方案[2].轿运车配载问题一般可叙述为:设可调用的轿运车类型有k种,其中第i种类型轿运车的数量是n_i辆,i=1,2,...,k,待被运输的轿车类型有m种,运输目的地有n     

乘用车物流运输装载模型研究

对乘用车物流运输计划问题进行了研究,首先,建立了以单辆轿运车实载率最大为目标的单车最佳装载方案模型,以该方案配送乘用车辆直到运输任务完成以获得初始轿运车数,其次以空载率最小为目标设计了数量调整模型对初始轿运车数进行优化,得到最优装载方案模型.基于上述优化模型计算最小的轿运车数,建立在轿运车数量限制下的最短行驶里程模型,选择总行驶里程最小的装载方案作为最优的配送方案.最后建立基于路径的物流运输装载模型,运用Floyd算法计算任意起讫点间的最短路径,设计了一种全局搜索算法得到一种合理的配送方案,并以空载率最小为目标对方案进行优化.     

乘用车物流运输计划问题的研究

针对我国汽车工业高速发展的趋势,对乘用车物流运输计划问题进行了数学建模分析.根据实际需求,把问题分为装载问题和运输问题进行分析,本着先装后运的原则,对全部轿运车和乘用车进行配载优化.用两种类型的轿运车,采用整数规划的策略,结合线性规划的理论建立数学模型,并利用lingo软件编程求解,得到最优装载方案.     

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.     

多车型车辆调度问题的优化模型

基于第十一届"华为杯"全国研究生数学建模竞赛E题第五问,针对一类多车型多目的地的整车物流运输调度问题,先直接计算完成总任务所需的车辆数来阐明该题的最优解的下界限为113辆,再对原始数据进行预处理,基于对乘用车的分类与排样算法,筛选出每种轿运车的M种装载方案代表,再对目的地位置及结合各目的地的任务需求,确定出3条不绕行路线,根据启发式调整优化算法,并以轿运车使用量最少及总行驶里程最短为优化目标,建立了多目标整数规划模型进行求解,最优可行解为114辆,其中1-1型91辆,1-2型18辆,2-2型5辆.     

轿运车的装载和运输建模研究

主要围绕轿运车装载和运输的数学模型进行研究.在合理假设的基础上,将问题转化为多阶段的整数规划问题,并采用LINGO软件进行求解.当输入变量规模过于庞大时,采用启发式淘汰搜索多阶段优化模型,从而降低问题的求解难度.同时,提出一种局部整数分散连续的逐步优化方法,以提高优化效率.工作对降低运输成本和提高运输效率具有重要的意义.     

不确定箱量下内河集装箱班轮航线动态配载决策

内河集装箱班轮运输中海关抽检可导致外贸箱箱量不断发生变化,班轮航线配载需要动态决策。基于滚动调度策略,将当前港口的配载决策按随机事件划分为多个阶段,以最小化班轮堆栈占用数量和相邻阶段间配载计划偏差为目标,构建单港口单阶段的配载决策模型,进而滚动实现班轮航线动态配载决策。基于大邻域搜索思想设计一种包含整数规划、破坏器与修复器的精确启发式算法,实现港口多阶段滚动配载。基于真实场景的算例研究表明,在优化堆栈占用数量方面,模型与算法之间差异不大,但在考虑相邻阶段间配载计划偏差时,算法的求解结果要优于模型。因此,模型与算法可用来辅助实现不确定箱量下内河集装箱班轮航线动态配载决策,且算法表现更优,可实现配载计划对不确定箱量的鲁棒吸收。     

邮路规划与邮车调度最优化理论研究

对小规模MTSP问题,建立了可精确求解方案的0-1规划模型,并在满足邮政运输需求的前提下给出了最佳方案.问题一首先以县支局、县局为顶点构建无向赋权图,通过Floyd算法求解各局间的最短距离;然后以Fijk为决策变量,以邮车工作时间、车辆运载能力为主要约束,建立以总空载损失费用最小为目标的0-1非线性规划模型,运用规划软件Lingo求解.问题二考虑到市邮路成本,我们采用分层规划策略,首先以市支局、县局为顶点构建无向赋权图,求解出最短路矩阵,建立以邮路运行成本最小为目标的0-1非线性规划模型IIA求解;然后,建立各县区的最短路矩阵,同样建立规划模型IIB求解各县运输方案.问题三由于县局地理位置不变,对区邮路无影响,故以全市各县支局为中心采用逐步最优方法对所有县区支局重新划分;然后采用模型IIB求解.第四问中考虑县局迁移,我们建立近似的启发式算法完成县局选址,并运用规划模型II求解的到新方案.最后,我们对两种区域划分调整方法还进行了定量的分析.     

基于两种模型的整车物流运输计划问题研究

运用2014年全国研究生数学建模竞赛E题的数据,针对乘用车整车物流运输计划问题的第三问展开研究.首先建立整数规划模型,得到要运输156辆Ⅰ型、102辆Ⅱ型和39辆Ⅲ型乘用车的1-1型和1-2型轿运车的最优数量分别为25和5.其次建立逐步转化模型,假设297辆乘用车全为Ⅱ型乘用车,使Ⅲ型乘用车数量满足要求,然后仅考虑Ⅰ型和Ⅱ型乘用车,使Ⅰ型和Ⅱ型乘用车数量满足要求,得到的结果与整数规划模型结果相一致.最后给出逐步转化模型的通用算法和程序.     

NSGA-II算法在农业水保措施配置优化中的应用

农业水保措施的配置要考虑其生态效益和经济效益.不同水保措施组合方案有其相应的生态和经济效益,如何配置使综合效益最佳是一个最优化问题.分析了农业水保措施配置最优化需要考虑的两个目标,并将其公式化,建立了水保措施配置优化模型,并应用NSGA-II多目标遗传算法求解该模型.最后,以甘肃天水市罗玉沟流域的水保措施配置为例,进行了初步应用.结果表明,采用NSGA-II算法在水保措施配置优化模型求解时,计算效率较高,优化结果稳定,具有一定的应用价值.     

面向节能的单/多列车优化决策问题

主要研究了单/多列车运行优化控制问题.首先建立了面向节能的单列车能耗优化模型,采用节能控制策略对模型进行求解,得出节能运行的速度距离曲线;其次对多列车多区段的节能运行进行优化控制设计,以再生能量利用最大化为目标,分别建立多列车能耗优化通用模型和高峰/非高峰情形下优化模型,利用模拟退火算法求解模型,得出使总能耗最低的列车运行方案;最后针对晚点情况下追踪运行的多列车运行优化控制问题,分别建立随机和非随机晚点情况下实时控制模型,求解得到耗能最少的列车运行曲线.     

基于遗传算法的汽车整车销售物流配送路径优化

为了优化汽车整车销售物流配送网络,提高配送服务质量,构建了以配送费用最小为目标的带时间窗的整车配送路径优化模型,采用改进遗传算法对模型进行求解,结合上汽通用五菱公司的配送实例,对其整车销售物流配送路径进行研究,并将改进遗传算法所确定的优化路径、节约里程法的优化路径、企业实际的配送路径进行比较,改进遗传算法确定的最优路径其配送费用比其它两种路径的配送费用降低了5.5%和8.9%,研究结果可以为企业确定经济、合理的配送路径提供参考.     

基于两粒度语言评价信息的双边匹配决策

针对基于两粒度语言评价信息的双边匹配问题,提出了一种了基于二元语义信息处理的决策方法。在该方法中,首先将两粒度语言评价信息转化为两粒度二元语义信息;考虑以每个主体满意度最大为目标,运用广义二元语义加权平均算子构建了多目标优化模型;进一步地,运用二元语义算术平均算子将多目标优化模型转化为双目标优化模型;根据二元语义的自身特点将双目标优化模型转化为单目标优化模型,进而进行求解来得到匹配方案。最后,给出一个算例说明所提供方法的有效性。     

供应链中的多目标经济批量排产和运送问题的求解

当今供应链管理的目标已不再是只追求成本的最小化,越来越多的管理者和研究学者开始关注采用多个目标来对供应链的绩效进行优化.本文从一个供应商的角度出发,考虑了如何安排合理的生产排序来最小化生产周期和运送间隔以及最小化整条供应链中的单位时间的平均成本的批量排产和运送的问题.本文建立了该问题的多目标非线性混合整数规划模型,并提出了求解该问题的帕累托最优解集的方法.示例表明本文的算法是有效的.     

满意度优化运输问题

传统运输问题只考虑配送方案的效率, 而不考虑参与者对配送方案的满意度. 通过引入参与者对配送方案的满意度这一概念, 提出了满意度优化运输问题, 构建了以最大化相对公平为目标的满意度优化运输模型, 并证明了: (1) 当运输问题的可行域不空时, 新模型的解集非空; (2) 从满意度的角度来看, 新模型的解是唯一的. 另外, 还给出了新模型的求解方法. 研究结果进一步丰富了运输问题的类型, 可为解决其他类型运输问题提供借鉴.     

基于对偶犹豫模糊偏好信息的双边稳定匹配决策方法

针对基于对偶犹豫模糊偏好信息的双边稳定匹配问题,提出了一种新的匹配方法.首先,给出了基于对偶犹豫模糊偏好信息的双边稳定匹配问题的描述;然后,依据双边主体给出的偏好信息构造对偶犹豫模糊偏好矩阵,使用投影技术将对偶犹豫模糊偏好矩阵转化为满意度矩阵;接着,以双方主体满意度最大化为目标,考虑稳定匹配的约束条件,构建了匹配模型;进而,运用组合满意度分析方法,将多目标优化模型转化为单目标优化模型,通过模型求解得到最优的匹配方案;最后,实例分析说明了所提方法的实用性和有效性.     

以能耗最低为目标的列车调控方案研究

研究的是以能耗最低为目标的单、多列车优化调控方案问题.首先根据列车运行的各个阶段的分析,构建以运行能耗最低为目标的非线性规划模型,采用逐步迭代算法进行求解,得到的最佳运行模式为无惰行运行,相应的最小能耗为12.47kwh.对于无高峰期的多列车节能运行控制问题,建立了以回收能量最多为目标的0-1非线性规划模型,得到发车间隔为578.86s、575.59s和760.89s,并以此规律循环33轮的发车间隔时间表,使得能量回收最大为250.57kwh,回收率为19.66%.对于存在早晚高峰的情形,建立了以回收能量最多为目标的5阶段0.1非线性规划模型,求出了全天的最优发车方案.     

考虑个体偏好和互惠偏好的双边匹配决策方法研究

针对具有个体偏好和互惠偏好的双边匹配问题,提出了一种考虑稳定性和满意性的决策方法。首先,给出了考虑个体偏好和互惠偏好的双边匹配问题描述;其次,对基于满意度的个体理性匹配、稳定匹配等相关概念进行了界定,并给出了个体满意度、互惠满意度和总体满意度的计算方法;在此基础上,构建了以双边主体总体满意度最大为目标的稳定匹配优化模型,采用基于隶属函数的加权和方法将多目标优化模型转化为单目标优化模型,通过求解单目标优化模型获得双边主体最优稳定匹配方案。最后,通过算例分析说明所提方法的有效性和实用性。     

灾情巡视问题的蚁群两目标优化算法研究

分析目前灾情巡视问题求解方法存在的缺陷,归纳出灾情巡视问题两目标优化模型.针对灾情巡视问题模型特点,引入蚁群算法和多目标优化理论,提出两个灾情巡视问题的蚁群两目标优化算法:算法1将灾情巡视问题的道路网络转化为完全图,增加m-1个(m为巡视组数)虚拟巡视起点,将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,然后使用蚁群算法和多目标优化理论进行迭代求解.算法2使用一只蚂蚁寻找一个子回路,m个子回路构成一个灾情巡视可行方案,采用罚函数法和多目标优化理论构建增广两目标优化评价函数,使用g组,共g×m只蚂蚁共同协作来发现灾情巡视问题的最优解.算法特点:①算法1将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,可以充分利用已有蚁群算法求解单旅行商问题的研究成果;②两个算法引入蚁群算法,提高了算法效率;③两个算法克服目前灾情巡视问题的求解方法不严密性缺陷;④两目标优化算法可以为用户提供多个满足约束条件的Pareto组合解,扩大了用户选择范围,增强了算法的适用性.算法测试表明:灾情巡视问题的蚁群两目标优化算法是完全可行和有效的.