基于即时配送和收益激励的众包物流运力调度研究

基于参与众包物流配送模式的人员闲散、积极性不高,以及客户对即时配送要求并非完全刚性的特征,引入模糊时间窗,将客户满意度量化为众包物流配送人员到达客户位置时刻的模糊隶属度函数。在一定客户满意度下,以最大化众包物流配送人员收益为目标,构建了基于即时配送和收益激励的众包物流运力调度问题模型,考虑到机会、逾时、超载惩罚成本,利用带有动态权重的粒子群算法,通过算例验证分析,结果表明该模型在保证客户满意度和提高众包物流配送人员积极性方面具有可行性和有效性。     

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.     

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。     

考虑碳排放的冷链物流配送路径优化研究

针对日益严峻的环境问题,有别于以往普通冷链物流配路径研究仅考虑满足客户满意度以及各项总成本最小的要求,在普通冷链物流配送过程中引入碳排放,将碳排放转化成相应的经济效益,形成一个考虑碳排放成本的冷链物流配送路径优化数学模型.在求解优化数学模型中,采用蚁群启发式算法,利用Matalab进行编码求解,最后通过实例来验证模型和算法的可行性与有效性,结果表明:考虑碳排放的冷链物流配送路径总成本降低,比不考虑碳排放的传统冷链物流配送更具有现实意义.     

物流中配送区域与配送路线的网络优化法

本文讨论物流中配送区域的划分与配送路线的选择问题，应用网络、图论的优化方法，解决配送区域的划分与配送路线的选择问题。     

快件配送地址变化的干扰管理模型研究

快件配送过程中客户的配送地址发生变化后,继续按初始方案进行配送将不再最优甚至不可行,此时如何快速产生应对扰动的新方案,是当前研究的难点。结合客户消费行为的相关研究手段,将客户分为敏感型客户、容忍型客户和抱怨型客户,在考虑每类客户特点的基础上,将问题的处理分为两个阶段;采用干扰管理和运筹学的相关理论与方法,在每一阶段构建干扰管理子模型并进行求解。算例实验表明:在考虑客户行为及偏好的情况下,与其他重调度方法相比,本文方法生成的应对方案更为有效。     

基于时间窗限制的预制构件配送成本优化研究

针对预制构件配送调度依靠经验的不科学现状,基于构件自重大、配送频次高、有时间窗限制且配送地点分散的特征,以配送过程中的运输成本、时间惩罚成本以及等待时间成本等因素为主要考量对象,建立构件配送成本最小模型,以降低配送成本,提高经济效益.以某预制构件生产厂为算例,用改进狼群算法求解,结果证明了模型的可行性,同时将改进狼群算法与改进人工鱼群算法的计算结果进行对比.结果表明:在迭代次数、最优值求解方面,改进狼群算法比改进人工鱼群算法更优.     

时变路网条件下联合配送的开放式车辆路径问题

针对城市物流系统中的多物流中心联合配送问题,设计一种多物流中心处理方法共享物流资源;分析城市路网的时变特性,设计路段行驶时间计算方法;综合考虑客户需求、时间窗、车辆不同出发时间、油耗、碳排放与联合配送模式等因素,以总成本最小为目标构建联合配送的开放式时变车辆路径规划模型,设计改进蚁群算法求解;实验结果表明以上方法具有可行性与有效性。     

基于系统动力学的厦门同城配送与经济协调发展研究

城市同城配送是一个涉及多主体、多要素、多环节、非线性的复杂系统工程,通过分析城市同城配送与城市经济、投资、教育等之间的关系,构建城市同城配送系统的系统动力学模型.以厦门为例,分析模型中促进城市同城配送与城市经济协调发展的关键影响因素,并从投资比例、人才晋升方式和城市共同配送的程度三个角度进行策略模拟.在Vensim PLE平台上的模拟仿真结果显示,适当增加投资比例、改善人才晋升方式和提高城市同城配送程度对促进城市同城配送与经济协调发展都有一定的作用和效果,且综合策略的效果最为显著,进而提出了相对应的政策与建议.     

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.     

基于蚁群优化的MPPT算法研究

为了提高光伏发电系统最大功率点跟踪效果,提出了一种蚁群优化算法,算法通过迭代法更新占空比来趋近光伏电池的最大功率点.利用MATLAB软件对光伏电池进行建模与仿真,仿真结果验证了算法的可行性,并说明了算法能够快速地跟踪最大功率点.     

基于改进蚁群算法的侦察无人机航路规划与实现

文章针对侦察无人机航路规划这一问题,分析了影响航路规划的因素,构建了航路规划的模型.结合侦察无人机航路规划的特点与模型,论证了基于蚁群算法求解的理由与优点,并对蚁群算法的初始信息素强度与启发因子进行了改进.最后以岛屿进攻战役这一特定作战任务为例,利用MATLAB实现了侦察多目标时的航路规划问题.     

基于优先级的进离港航班排序优化问题研究

研究机场终端区进离港航班排序优化问题,对于提高跑道利用率以及降低航班延误损失具有重要意义。本文首先考虑航班运行方式(降落和起飞)、飞机类型以及航班的重要程度(航程是否连续)的不同所造成延误损失的不同,设计三维优先级表反映调度优先等级,并将其转化为延误成本系数。其次,为实现调度的公平性和减轻管制人员的工作负荷,设置允许延误的航班架次约束、邻边约束以及最大限制位置约束。再次,以最小化航班总延误成本为目标建立模型,提出相应的改进蚁群算法(GJAC)进行求解。最后通过数值实验验证所提算法在考虑调度优先等级及上述约束条件的同时能有效减少进离港航班队列的总延误成本。     

求解复杂优化问题的基于信息熵的自适应蚁群算法

针对基本蚁群算法存在收敛速度慢、易陷入局部最优、计算复杂且不易求解连续优化问题等缺陷 ,提出了一种基于信息熵的改进自适应蚁群算法 ,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节 ,克服了基本蚁群算法的不足 .典型的 NP-hard问题的计算实例表明 ,该方法具有较好的收敛性、稳定性和鲁棒性 ,可用于离散及连续的组合优化问题求解中 ,其不失为求解复杂组合优化问题的一种较好的方法 .     

基于改进蚁群算法的最短路径问题研究及应用

蚁群系统作为一种蚁群算法是解决最短路径问题的一种行之有效的方法.然而,它自身也存在着一些缺陷,主要针对基本蚁群算法易陷入局部最优这一缺陷对其进行改进,集中体现在初始信息素求解和信息素更新这两方面.为了进一步了解改进蚁群算法的优点,进行了实验仿真:将改进的蚁群算法应用子模拟医疗救护GIS中,利用GIS的网络分析功能对城市道路网络的最短路径选择算法进行了深入地探讨研究,并以山西省太原市的交通路线作为实例进行研究.计算机仿真结果表明,改进的蚁群算法在解决最短路径问题时较基本蚁群算法的性能好,它具有一定的理论参考价值和现实意义.     

带时间窗的车间搬运机器人路径优化建模及算法研究

本文以车间搬运机器人为研究对象,在考虑时间窗的前提下,求解机器人进行物料配送和成品回收场景下的路径优化问题。提出一种强化学习遗传蚁群算法,首先利用扫描法求解初始搬运机器人的数量,并将子路径节点的几何中心设置为虚拟节点,利用嵌入遗传算子的蚁群算法求解连接虚拟节点的最优路径,再利用强化学习算法求解子路径的最优结果;最后将基本成本、运输成本和时间惩罚成本的加权和作为目标解,并最终求出满足约束条件的最优解。通过与基准问题求解结果对比,验证了强化学习遗传蚁群算法的优越性。     

基于人机交互—蚁群算法的港口疏船调度优化

为解决因港口无法正常作业导致大量船舶压港后的疏船调度问题,从同时兼顾船公司和港口方利益出发,建立了船舶平均在港时间最短、额外作业成本最低、生产秩序恢复最快的调度生产多目标优化模型。利用多属性效用理论将多目标转换为单目标,并构建了相应的评价函数,采用改进的蚁群算法并结合人机交互以及邻域搜索方法求解,最后以大连港集装箱码头实际案例进行验证。结果表明,与通常调度方法相比,文中建立的优化模型能够更好地解决疏船问题;对比常规的蚁群算法,改进后的算法搜索效率更高。上述模型和算法为集装箱码头的生产组织调度提供了新的优化思路和方法。     

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.     

改进蚁群算法在智能交通中的应用

为了诱导车辆在出行时选择较高质量的路线,提出并建立了城市道路权值仿真模型.为求解该模型,从分析基本蚁群算法入手,通过在状态转移规则中加入扰动因子,改进全局更新规则,以及引入信息素更新算子改进了蚁群算法.然后利用道路权值模型对两种算法在路径寻优效果上做了比较和分析,实验结果表明改进后的蚁群算法能有效地避免停留在局部最优解,并提高计算效率,具有良好的寻优性和收敛性,能准确找出路网中满足综合要求的最优路径.     

基于战略导向的项目组合选择优化研究

本文研究了以项目组合的选择实现组织战略目标最大化的问题,将战略目标分解为收益、成本和风险目标,运用模糊集截集原理和目标标准法则把战略目标整合为单个的权衡目标。用梯形模糊数表示项目的不确定参数,并考虑项目间的相互影响关系,建立了基于战略目标的项目组合选择模型,来实现项目组合选择与战略目标的一致。并针对模型提出了遗传算法进行求解,用示例验证了方法的有效性。