基于新风险度量方式的危险品车辆路径双目标优化模型

针对危险品车辆路径问题中车辆访问多个需求点的特性,在风险度量方式上考虑了运输过程中车辆载重量变化,建立了最小化总运输距离以及最小化总运输风险的双目标优化模型.采用改进的蚁群算法对模型进行求解并获得优化问题的非支配解,数值实验说明改进的风险度量方式更适合于危险化学品车辆路径问题,改进的蚁群算法能够有效率地对模型进行求解.     

考虑路径风险的需求不确定应急物流定位-路径问题

针对自然灾害对路网造成的破坏性和受灾点物资需求量的不确定性,综合考虑应急物流路径风险和物资分配的时间公平性,将路径风险定量化为路径通行能力风险、路径损毁风险和路径复杂性,基于鲁棒优化理论,以最小化车辆最长配送时间和应急物流系统总成本为目标,建立了双目标多物资定位-路径优化模型,采用遗传算法对其求解,以汶川地震应急救援相关数据为例进行了数据仿真实验。实验结果的对比分析表明:在考虑路径风险下,随着控制系数的增加,系统总成本和最长配送时间目标值均呈现增大的趋势;受灾点的物资需求扰动越大,构建应急物流系统的总成本越高。算例结果也验证了鲁棒优化方法在处理不确定需求方面的有效性,为解决自然灾害后应急设施点的开设和救援物资的安全及时准确配送提供了有效的方法。     

随机需求应急物流多阶段定位-路径鲁棒优化研究

为提高应急物流系统的应急反应能力,论文针对需求随机变化的应急物流定位-路径问题,利用鲁棒优化的思想将灾区物资需求量表示为区间型数据,将应急救援过程划分为多个阶段,以总救援时间和系统总成本最小为目标,构建了多物资多运输车辆应急物流定位-路径优化模型,设计了改进的遗传算法对其进行求解。实例计算结果表明,该模型和算法可以有效地解决应急物流系统中需求随机变化的定位-路径问题,为政府机构应对重大突发事件提供科学的决策参考。     

基于CVaR的危险品公铁联运路径选择研究

公铁联运在危险品的多式联运中扮演着重要角色,为了降低危险品公铁联运风险,提高危险品公铁联运的安全性,危险品公铁联运的路径选择至关重要。本文运用条件风险价值(CVaR)理论,在对危险品公铁联运网络进行变形的基础上构建了考虑决策者风险规避程度的危险品公铁联运路径选择模型,设计了求解该模型的算法,并进行了算例分析。研究结果表明:通过该模型及其算法,可根据决策者对所需运输的危险品的运输风险规避程度,在危险品公铁联运网络中快速地选出使危险品公铁联运风险最小的运输路径和运输方式;决策者的风险规避程度会对危险品公铁联运过程中的运输路径和运输方式的选择产生重要影响。     

危险品运输安全-效益优化决策研究

对危险品运输安全-效益优化问题进行了研究,基于委托-代理理论,建立了在委托人对运输安全具有完全明辨性的进度激励-安全控制决策的博弈模型,分析了双方实现各自利益最大化的最优策略,即委托人确定合理的危险品提前运达效益的分配系数、运输安全保证率水平及委托人对运输各环节安全的检测水平,以及承运人在上述条件下,确定合理的进度加快投入的努力与安全控制的水平,进而可为危险品运输委托人与承运人之间的最优运费确定提供依据;文章的最后进行实例应用分析.     

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.     

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.     

两级定位-路径问题模型及变邻域粒子群算法

为满足B2C电子商务中高效率、低成本配送需求,建立了两级定位-路径问题的三下标车流模型,提出了一种求解该问题的变邻域粒子群算法。该算法引入路径重连思想,将粒子群算法中粒子动态更新设计为当前解的邻域搜索、当前解与个体历史最优解之间的路径重连、当前解与种群历史最优解之间的路径重连;在此基础上,提出变邻域搜索策略,动态改变邻域结构以拓展搜索空间。实验结果表明,该算法能有效求解两级定位-路径问题。     

震后初期应急物资短缺情景下的定位-路径问题研究

基于公平视角研究震后初期灾区应急物资短缺情景下的定位-路径问题(location-routing problem,LRP),综合考虑灾害级别、灾区应急路网不同程度损毁、需求点易损性与车辆随机行驶时间等因素,以单个需求点的最大损失最小作为应急物资分配的公平性衡量指标、以总配送时间最短作为应急物资配送的效率性衡量指标,在此基础上构建双目标LRP模型,并基于分层序列法思想设计一种二阶段混合启发式求解算法。最后,采用汶川地震之后的帐篷配送数据验证本文方法公平性与效率性兼顾。     

重大事故规避的危险品运输车辆路径优化研究

基于重大事故规避的思想,建立以最大事故后果最小及运输成本最小为双目标,且事故后果基于实时装载量的危险品运输车辆路径优化模型。基于ε-约束法,设计可求得帕累托最优解的精确算法,该算法包含通过性质求ε下界、规避被支配解的预处理及不可行路径禁止约束3处改进。进一步设计处理大规模问题的多项式时间近似算法,并分析了算法的近似比。最后通过算例对模型和算法进行测试,并通过出灵敏度分析给出管理启示。     

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.     

考虑车辆限速区间的危险品运输网络优化

由于危险品在运输过程中存在极大的危害性,为了降低危险品运输风险,政府可以通过对不同路段设置不同的限速区间来引导危险品运输车辆的路径选择,从而导致不同的运输网络总风险和鲁棒成本。首先基于车辆限速区间的方法,构建了危险品运输网络优化的双层规划模型,上层规划以最大运输网络总风险值最小化为目标,下层规划以危险品运输企业的鲁棒成本最小化为目标;然后,设计了粒子群优化算法求解了该模型;最后,通过两个算例验证了模型和算法的有效性。计算结果表明政府部门运用车辆限速区间的方法不仅能够非常有效地降低危险品运输网络总风险,而且更具有鲁棒性和现实可操作性。     

A Metaheuristic to Solve a Location-Routing Problem with Non-Linear Costs

The paper deals with a location-routing problem with non-linear cost functions. To the best of our knowledge, a mixed integer linear programming formulation for the addressed problem is proposed here for the first time. Since the problem is NP-hard exact algorithms are able to solve only particular cases, thus to solve more general versions heuristics are needed. The algorithm proposed in this paper is a combination of a p-median approach to find an initial feasible solution and a metaheuristic to improve the solution. It is a hybrid metaheuristic merging Variable Neighborhood Search (VNS) and Tabu Search (TS) principles and exploiting the synergies between the two. Computational results and conclusions close the paper.     

震后应急物流系统中带时间窗的模糊动态LRP

针对震后应急物流系统中多层次设施定位－运输路线安排问题(LRP),考虑系统中的动态性、时效性、路网连通性、需求不确定性等特点,建立了一个带时间窗的模糊动态LRP优化模型,据此进行救援过程中不同周期灾区外围应急物资集散点和灾区应急配送中心的定位以及应急物资运输路线安排的联合决策。针对该模型的特点,提出了一种基于动态规划的改进遗传算法,为防遗传算法过早收敛问题,使用了随机遍历抽样法、重组策略和变化变异率法,并通过特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。最后,通过算例分析验证了该模型和算法的有效性。     

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。