基于顾客低碳行为偏好的选址-路径-库存集成优化模型与算法

针对自愿减排驱动下的顾客低碳行为偏好对选址-路径-库存决策的影响进行研究。首先推导了顾客低碳行为偏好下的市场需求函数和价格函数,并构建了考虑单位产品碳排放量和经济成本的多目标选址-路径-库存优化模型,通过对多目标优化模型的求解可得碳排放量和经济成本间的Pareto解集。在此基础上,定义了碳配额税的概念,可得顾客低碳行为偏好和碳配额税下的总收益函数。最后通过数值分析给出了自愿减排和监管减排两种机制共同作用下的企业减排方案和灵敏度分析。     

基于混合果蝇优化算法的选址-库存-配送集成优化研究

本文面向企业运营管理实践,构建了一种基于联合补货策略的选址-库存-配送集成优化新模型。作为典型的NP-hard问题,传统算法难以高效稳定地求解,故本文设计了一种新的混合果蝇优化算法(Fruit Fly Optimization Algorithm, FOA),通过引入进化算法的信息交换、变异、选择操作来增强算法局部寻优能力,采取概率性飞行策略来平衡算法的全局寻优与局部寻优。算例结果表明,新混合FOA算法的准确性和稳定性较标准FOA有了明显的改善,与差分进化、自适应混合差分进化、粒子群优化相比也具有比较优势。     

考虑缺货的闭环供应链选址-库存-路径集成优化

再制造是企业实现环境友好、提升经济效益的重要策略之一;再制造的发展推动了新商业模式的出现,即产品服务系统;高效的再制造物流网络对于成功实施再制造十分重要。本文研究了基于产品服务系统下的再制造物流网络集成优化问题,即闭环供应链的选址-库存-路径的集成优化决策问题,且在库存策略中允许库存出现缺货的情况;论文基于产品服务系统模式构建了混合非线性规划模型来最小化生产、选址、配送、库存以及缺货成本,并采用了改进的禁忌搜索算法进行求解。通过与传统禁忌搜索算法的计算结果进行对比,表明本文中的算法能在可接受的时间内得到较优解。通过算例的敏感性分析得出,企业所服务的顾客如果接受再制造产品,提高回收率可以节约成本;在回收率一定时,客户在缺货情形下的制造和再制造批量比不允许缺货时要大,企业总成本比不允许缺货时要小。     

电子商务环境下考虑退货的选址库存问题模型与算法

选址库存问题(location inventory problem, LIP)是物流系统集成的经典问题之一,也是企业需要面对的管理决策难题。本文考虑在电子商务环境下无质量缺陷的退货商品可简单再包装后重新进入销售市场这一现实情况,对设施选址和库存控制进行集成优化,构建随机需求下有退货的LIP模型。针对此问题求解的复杂性,设计了改进的自适应混合差分进化算法对模型进行整体求解。最后,通过多组算例验证了模型和算法的实用性和优越性,可为设施选址、库存控制和商品配送回收决策提供重要参考依据。     

随机的库存-路径问题的机会约束规划模型与算法

随机需求下的库存-路径问题是一类复杂的组合优化问题.本文讨论了VMI背景下的库存-路径联合优化问题,构建了问题的机会约束规划模型,并将随机模拟、人工神经网络和遗传算法结合在一起,设计了求解问题的混合智能算法.实验表明算法性能良好.     

成品油二次配送库存-路径优化模型与两阶段算法

针对随机需求下的成品油二次配送库存-路径优化问题,考虑各个加油站的存储容量限制,油罐车满隔舱装卸要求和一对多服务等特点,通过设置各个加油站的实际配送量为油罐车隔舱容量的整数倍,以总配送成本和期望损失之和最小化为目标,建立两阶段随机整数规划模型,并设计了多割L-shaped算法.进一步,基于多割L-shaped算法设计了求解大规模问题的两阶段方法,并引入两种改进策略加快多割L-shaped算法的收敛速度.最后利用不同规模的算例进行模拟计算,分别验证了改进多割L-shaped算法高效性和两阶段方法的快速有效性.相比其它算法,两阶段方法在求解大规模问题时的平均运行时间降低了31.34%,平均成本的Gap值不超过2.63%.文章的研究结果为制定成品油二次配送计划提供了决策依据和算法支持.     

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。     

随机需求下选址——库存问题

在由多个零售商和多个分销中心组成的供应链网络中，零售商的数量及位置已给定，零售商处的顾客需求是随机的。优化决策是确定分销中心的数量和位置、每个分销中心负责的零售商组、各零售商的订货策略，目标是使系统长期运行下的总成本达到最小。将这种选址——库存问题建模为整数线性规划模型，利用拉格朗日松弛方法和启发式算法分别获得问题的上下界，然后设计求解算法，并通过大量的算例考察算法的有效性。     

约束多目标选址问题及其算法

文章考察了一类带有区域约束的多目标选址问题，给出了用模拟退火法进行求解的策略，并在微机上予以实现，经试算得到了满意的效果。     

带退货和软时间窗的多仓库选址-路径问题研究

选址-路径问题(location routing problems, LRP)是集成物流网络研究中的难题,也是任何一个大型物流配送企业必须面对的管理决策问题。本文在仓库容量约束和车辆容量约束的基础上,结合送取货一体化的配送模式和客户服务时间要求,建立了带退货和软时间窗的多仓库选址-路径(MDLRP)数学模型。针对MDLRP问题求解的复杂性,引入局部搜索算法和重组策略,设计了自适应混合遗传算法,对模型进行整体求解。最后进行数值实验,表明本文提出的模型和改进算法具有实用性和优越性,可为选址和车辆运输决策提供重要参考依据。     

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.     

范数下无容量限制设施选址逆问题的求解方法

一个优化问题的逆问题是这样一类问题,在给定该优化问题的一个可行解时,通过最小化目标函数中参数的改变量(在某个范数下)使得该可行解成为改变参数后的该优化问题的最优解。对于本是NP-难问题的无容量限制设施选址问题,证明了其逆问题仍是NP-难的。研究了使用经典的行生成算法对无容量限制设施选址的逆问题进行计算,并给出了求得逆问题上下界的启发式方法。两种方法分别基于对子问题的线性松弛求解给出上界和利用邻域搜索以及设置迭代循环次数的方式给出下界。数值结果表明线性松弛法得到的上界与最优值差距较小,但求解效率提升不大;而启发式方法得到的下界与最优值差距极小,极大地提高了求解该逆问题的效率。     

冷链物流同时送取货车辆路径优化

针对冷链物流同时送取货车辆路径优化问题,分析冷链物流配送中的车辆固定成本、行驶成本、制冷成本和货损成本等成本构成,以总成本最小化为目标,将冷链物流配送的送货和取货业务综合到每一个客户节点,建立单个配送中心和多个客户节点的冷链物流配送车辆路径优化模型,并采用遗传算法进行求解,算例分析验证了所建模型和设计算法的适用性和可行性,结果表明优化后的同时送取货车辆配送方案能够降低配送成本,提高配送效率,研究结论对冷链物流配送决策具有重要的参考价值.     

时间窗约束下的车辆路径问题多目标优化算法

讨论了带时间窗约束的车辆路径问题(VRPTW)其数学模型,分析了以遗传算法求解该类问题时的染色体表示和有关遗传操作,将VRPTw视为一个多目标优化问题,用Pareto评等技术来求解最优解,并以Solomen基准问题为例验证了该方法的有效性.结果表明:该方法与以往文献中的最好结果具有竞争性.     

车辆路径问题的改进遗传算法

提出一种基于遗传算法的求解车辆路径问题的新算法,避免传统遗传算法处理不可行约束条件中惩罚项系数选取不当所出现的问题.同时,通过现实例子分析该算法的优劣性,实验结果表明该算法是一种有效的算法.     

带客户协同分仓的动态车辆路径问题研究

随着互联网商业迭代的不断深化,越来越多的企业倾向于从商品前置视角解决配送距离与配送时效性的矛盾。为此,本文研究基于客户协同分仓备货的动态车辆调度问题(Dynamic Vehicle Routing Problem with Inventory Synergetic Customer, DVRP-ISC),设计考虑区域分异特征的协同分仓客户选择方法,建立多阶段动态配送网络优化模型。鉴于研究问题的特殊性,设计多阶段两级网络协同配送路径优化算法;最后,以仿真算例、自定义算例集和基准算例,验证所提模型和算法性能及其拓展性。     

需求可分的车辆路径问题模型与算法

需求可分的车辆路径问题(SDVRP)无论是从运输距离还是派车数量上,都可进一步优化传统的车辆路径问题。为了降低SDVRP的求解难度,本文在分析最优解性质的基础上,加强模型的约束条件,将原模型转变为等价的改进SDVRP,并在使用蚂蚁算法求解改进SDVRP模型的过程中,采用开发新路径和2-opt相结合的方法,以避免出现迭代停滞的现象。实验表明,算法计算结果稳定,最差解与最好解的偏差仅为1.80%。     

求解硬时间窗约束下随机需求库存-路径问题的优化算法

随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem, SDIRP)即考虑随机需求环境下供应链中库存与配送的协调优化问题,是实施供应商管理库存策略过程中的关键所在,也是典型的NP难题之一。文章以具有硬时间窗约束的随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem with Hard Time Windows, SDIRPHTW)为研究对象,将SDIRPHTW分解为直接配送的随机库存-路径问题和具有硬时间窗约束的路径优化问题两个子问题,并以最小化系统运行成本和用车数量为目标,设计了一个基于(s,S)库存策略和修正C-W节约法的启发式算法。最后,通过相应的数值算例验证了算法的有效性。     

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.