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。     

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。     

考虑道路可靠性的突发事件资源配送路线优化模型与算法

针对突发事件后道路网络的不确定性,定义了物资配送路线的风险度量值,然后建立考虑道路风险性的物资配送的优化模型以给出最优的路线安排方案,设计了基于禁忌搜索的模型求解算法,以某城市地震灾难后应急资源配送案例进行模型仿真.模型与算法的研究对于突发事件不确定道路网络下应急资源的配送决策具有很好的指导意义和实际意义.     

成品油配送多车舱车辆指派及路径优化问题研究

针对成品油配送中多车型、多车舱的车辆优化调度难题,综合考虑多车型车辆指派、多车舱车辆装载及路径安排等决策,以派车成本与油耗成本之和的总成本最小为目标,建立了多车型多车舱的车辆优化调度模型。为降低模型求解的复杂性,本文提出一种基于C-W节约算法的“需求拆分→合并装载”的车辆装载策略,并综合利用Relocate和Exchange算子进行并行邻域搜索改进,获得优化的成品油配送方案。最后,通过算例验证了本文提出的模型与算法用于求解大规模成品油配送问题的有效性。并通过数据实验揭示了以下规律:1)多车舱车辆相对于单车舱车辆在运营成本上具有优越性;2)大型车辆适合远距离配送,小型车辆适合近距离配送;3)多车型车辆混合配送相对于单车型车辆配送在运营成本上具有优越性。这些规律可为成品油配送公司的车辆配置提供决策参考。     

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。     

一类多对多物流系统的运送频率选择优化问题研究

多供应商多客户物流系统的周期运送库存决策问题是一个非常复杂的问题,但它在供应链管理中又极其重要.本文主要考虑一个由多个供应商、一个联运中心和多个客户组成的三级物流系统的运送频率选择优化问题.假定两级库存均采用周期补货策略,且补货周期满足二次幂(POT)策略,每个客户处的产品需求为确定性需求.假设给定一套可行频率的情况下,选择使整个系统总的长期平均成本最小化的联运中心的补货策略和联运中心到各客户的配送策略.分为单频率配送和多频率配送两种情况分别建立了数学模型,并设计了相应的近似算法——基于支配性的邻域搜索启发式算法和基于饱和性的邻域搜索启发式算法.计算试验显示,本文所设计的近似算法对于求解多对多配送这样的大型组合优化问题是有效的.     

一个三级物流系统的运送策略优化问题

主要考虑一个三级物流系统的运送策略优化问题,系统由多个供货商、多个客户和一个中央仓库组成.假定两级库存均采用周期补货策略,每个客户处的产品需求为确定性需求.假设给定一套可行频率的情况下,选择使整个系统总的长期平均成本最小化的仓库的补货策略和仓库到各客户的配送策略.根据两个支配性质构造了一个列举优化算法,计算试验讨论了该算法的有效性.     

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.     

以商圈为中心的O2O动态外卖配送路径优化模型与算法

针对线上到线下(Online to Offline,O2O) 外卖路径优化问题,综合考虑其动态配送需求、货物区分等特点以及时间窗、载货量等约束条件,将商圈看作配送中心,将快递员数量与快递员总行驶时间作为最小化目标,提出了以商圈为中心的O2O动态外卖配送路径优化模型。采用周期性处理新订单的方法将相应的快递员路径的动态调整问题转化为一系列静态TSP子问题,设计了一种分阶段启发式实时配送路径优化算法框架,并给出了一个具体算法和一个数值计算实例。在VRP通用算例的基础上,以商圈为中心生成测试算例,对本文算法进行仿真实验,并与其他算法比较。结果表明：本文算法能充分利用新订单附近的快递员进行配送,并优化其配送路径,有效减少了快递员数量与快递员总行驶时间。     

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.     

HPBILc: A histogram-based EDA for continuous optimization

Designing different estimation of distribution algorithms for continuous optimization is a recent emerging focus in the evolutionary computation field. This paper proposes an improved population-based incremental learning algorithm using histogram probabilistic model for continuous optimization. Histogram models are advantageous in describing the solution distribution of complex and multimodal continuous problems. The algorithm utilizes the sub-dividing strategy to guarantee the accuracy of optimal solutions. Experimental results show that the proposed algorithm is effective and it obtains better performance than the fast evolutionary programming (FEP) and those newly published EDAs in most test functions.     

Optimal placement and sizing of capacitor using Limaçon inspired spider monkey optimization algorithm

The power system is a complex interconnected network which can be subdivided into three components: generation, distribution, and transmission. Capacitors of specific sizes are placed in the distribution network so that losses in transmission and distribution is minimum. But the decision of size and position of capacitors in this network is a complex optimization problem. In this paper, Limaçon curve inspired local search strategy (LLS) is proposed and incorporated into spider monkey optimization (SMO) algorithm to deal optimal placement and the sizing problem of capacitors. The proposed strategy is named as Limaçon inspired SMO (LSMO) algorithm. In the proposed local search strategy, the Limaçon curve equation is modified by incorporating the persistence and social learning components of SMO algorithm. The performance of LSMO is tested over 25 benchmark functions. Further, it is applied to solve optimal capacitor placement and sizing problem in IEEE-14, 30 and 33 test bus systems with the proper allocation of 3 and 5-capacitors. The reported results are compared with a network without a capacitor (un-capacitor) and other existing methods.     

基于种群自适应调整的多目标差分进化算法

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略,它依据对非支配解集的贡献程度淘汰较差的个体以减少计算负荷,并预留一些空间给新的带有种群多样性的扰动个体;引入精英学习策略,防止算法陷入局部收敛。通过典型的多目标优化函数对算法进行测试验证,结果表明所提算法相对于其他算法具有明显的优势,其性能优越,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,尤其适合于高维复杂多目标优化问题的求解。     

A preference-based multi-objective evolutionary algorithm R-NSGA-II with stochastic local search

Incorporation of a decision maker’s preferences into multi-objective evolutionary algorithms has become a relevant trend during the last decade, and several preference-based evolutionary algorithms have been proposed in the literature. Our research is focused on improvement of a well-known preference-based evolutionary algorithm R-NSGA-II by incorporating a local search strategy based on a single agent stochastic approach. The proposed memetic algorithm has been experimentally evaluated by solving a set of well-known multi-objective optimization benchmark problems. It has been experimentally shown that incorporation of the local search strategy has a positive impact to the quality of the algorithm in the sense of the precision and distribution evenness of approximation.     

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。     

A multi-start opposition-based particle swarm optimization algorithm with adaptive velocity for bound constrained global optimization

In this paper we present a multi-start particle swarm optimization algorithm for the global optimization of a function subject to bound constraints. The procedure consists of three main steps. In the initialization phase, an opposition learning strategy is performed to improve the search efficiency. Then a variant of the adaptive velocity based on the differential operator enhances the optimization ability of the particles. Finally, a re-initialization strategy based on two diversity measures for the swarm is act in order to avoid premature convergence and stagnation. The strategy uses the super-opposition paradigm to re-initialize particles in the swarm. The algorithm has been evaluated on a set of 100 global optimization test problems. Comparisons with other global optimization methods show the robustness and effectiveness of the proposed algorithm.     

数理统计学在多阶段库存管理模型中的研究综述

多阶段库存问题是供应链管理的重要课题,基于数理统计学在临界值策略方面、需求分布函数估计方面、优化算法方面介绍了国内外多阶段库存管理模型模型的研究进展和现状.     

改进二元分布估计算法求解置换流水车间调度问题

针对置换流水车间调度这类组合最优化问题的求解,提出了一种改进二元分布估计算法(Improved binary estimation distribution algorithm, I-EDA)。算法以二元分布估计算法为架构,使用NEH(Nawaz-Enscore-Ham)启发式算法生成初始解,提高了初始解的质量;通过对优势解的统计采样构建位置矩阵模型和链接矩阵模型,依照两个矩阵模型的合并概率组合链接区块产生子代。提出了NEH插入式重组策略和基于位置概率的交换策略和两种全新局部搜索机制替代原二元分布估计算法的相邻交换法,以进一步筛选优势解。最后通过对Reeves标准测试集的仿真实验和算法比较验证了所提出算法的有效性。