模糊需求下时间依赖型车辆路径优化

针对客户需求模糊且有时间窗约束的时间依赖型车辆路径问题(TDVRP),基于先预优化后重调度的思想构建模型.在预优化阶段,依据可信性理论构建模糊机会约束优化模型处理客户点模糊需求;针对不同时间段道路的交通情况,采用Ichoua速度时间依赖函数表征车辆的行驶速度,并设计自适应大规模邻域搜索算法(ALNS)对其求解.在重调度阶段,应用随机模拟算法模拟客户点的真实需求,采用点重调度策略对预优化方案进行调整.通过改进的Solomon算例实验验证模型和算法的有效性.研究成果可丰富TDVRP问题的相关研究,为现实配送方案的优化决策提供理论依据.     

求解车辆路径问题的混合蚂蚁系统

研究车辆路径问题在物流配送系统中具有十分的重要意义。带时间窗车辆路径问题是每个客户的配送都有一个时间间隔限制的一类车辆路径问题。结合最大一最小蚂蚁系统、蚁群系统和最优一最差蚂蚁系统,提出求解带时间窗车辆路径问题的混合蚂蚁系统。实验结果表明：HAS能够有效地解决客户聚簇分布的带时间窗车辆路径问题。     

改进迭代局部搜索算法在MMTVRP中的应用

为了解决运送不相容货物的带时间窗的多行程车辆路径问题,需要制定一个明确的路径规划来服务一组客户,以满足客户运送不相容的大宗货物的需求。车辆在工作日期间允许执行多个行程,目的就是最大限度地减少使用车辆的数量。通过创建巨网结构并采用辅助分割过程和改进的迭代局部搜索算法获得解决方案,在多个相关约束条件限制下,车辆实现了以最少的数量、最短的行程在规定的时间窗内送达货物,并从车队不同规模的角度分别介绍了采用多行程方式送货的优势。最后通过典型的带时间窗的车辆路径问题的实例分析表明,该算法在某些情况下可以使车队规模减半,从而最大程度上减少了运行成本。     

面向全局搜索的自适应领导者樽海鞘群算法

针对实际配送过程中客户需求、车辆服务时间随机可变,提出带软时间窗的随机需求和随机服务时间的车辆路径问题.以配送车辆行驶路径为研究对象,建立基于配送成本、时间惩罚成本、修正成本的配送车辆路径优化模型,并提出一种混合禁忌搜索算法.该算法将最近邻算法和禁忌搜索算法相结合,将时间窗宽度及距离作为最近邻算法中节点选择标准;并对禁忌搜索算法中禁忌长度等构成要素进行自适应调整,引入自适应惩罚系数.实验结果表明,改进后的混合禁忌搜索算法具有较强的寻优能力、较高的鲁棒性,同时算法所得车辆行驶路径受客户需求变动影响较小.     

时间窗约束下农产品物流配送路径优化研究

农产品需求量增加对物流配送提出较高挑战,基于此提出时间窗约束下农产品物流配送路径优化方法研究。依客户预期服务时间需求,取混合时间窗约束函数确定时间窗、物流配送车辆最大载重、配送路径长度与物流配送车辆约束条件,构建农产品物流配送路径优化模型;基于农产品物流配送需求改进传统遗传算法,求解构建模型,即获农产品物流配送路径优化结果。实验结果显示：相较生鲜农产品多车型冷链物流车辆路径优化,所提方法最优农产品物流配送路径获取迭代次数更少、配送路径长度更短、总成本更低,应用性能更佳。     

基于启发式带时间窗的车辆路径规划问题求解

车辆路径规划问题广泛地存在于现代物流行业中, 该问题属于NP难的组合优化问题. 随着客户需求的多样化、道路限行等因素的影响, 该问题变得更加的复杂, 采用传统的组合优化方法和运筹学方法往往难以求解. 本文对一类常见的带时间窗的车辆路径规划问题进行了研究, 根据时间窗参数来调整客户的优先级, 以减少车辆的等待时间, 由此改进了几个常见的启发式算法, 并对56个常见的车辆路径规划问题进行了测试, 实验结果表明, 改进的节约算法在带容量约束的车辆路径问题中效果较好, 改进的插入法则在带时间窗的车辆路径问题中具有优越性, 另外, 改进的启发式算法在4个测试用例上使用更多车辆时可使总路程优于已知最优值.     

求解复杂有时间窗装卸货问题的遗传算法

有时间窗装卸货问题是为一个车队安排最优的服务路径以满足客户的运输需求，每个客户的装卸货任务由一辆车完成，即在该客户的装货点装载一定数量的货物后运往该客户的卸货点，所有任务的完成必须满足车辆的容量约束、行程约束和客户装卸货点的时间窗约束。从多车库、多货物类型和满载三个方面对一般有时间窗装卸问题（PDPTW）进行了扩展，提出一种解决复杂PDPTW问题的遗传算法，实验结果表明，该算法能有效解决复杂PDPTW问题，并取得较好的优化结果。     

基于双层模糊聚类的多车场车辆路径遗传算法

对大规模多车场车辆路径问题,设计了基于双层模糊聚类的改进遗传算法求解框架,上层静态区域划分利用k-means技术将多车场到多客户的问题转化为一对多的子问题,下层模糊聚类从保证客户满意度和整合物流资源的角度出发,利用模糊聚类算法根据客户需求属性形成基于客户订单配送的动态客户群。进一步,通过改进选择算子和交叉算子来设计车辆路径优化的遗传算法。通过随机算例仿真实验,证明了提出方法和求解策略的有效性。     

改进AHP-GA算法的多目标配送路径优化

为准确优化快递配送路径,建立了基于时间窗的快递配送路径优化的数学模型.提出改进AHP-GA算法对多目标配送车辆路径进行优化,利用中位数层次分析算法对多个子目标进行权重系数配比,避免了极端值的影响,从而将多目标优化问题转化为单目标优化问题.通过简单的自然数对车辆路径进行编码,避免了路径重复.考虑了客户对车辆到达时间窗要求,包括车辆在约定时间之前到达获得的机会成本、在约定时间之后到达的罚金成本.最后,本文以1个配送中心,20个服务客户为例,对构建的数学模型通过分别使用传统的GA算法和使用改进AHP-GA算法进行优化,仿真结果表明,利用改进AHP-GA算法进行多目标配送路径优化,可以更加高效地求得问题的最优解.     

求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法

带时间窗和容量约束的车辆路径问题是车辆路径问题重要的扩展之一,属于NP难题,精确算法的求解效率较低,且对于较大规模问题难以在有限时间内给出最优解.为了满足企业和客户快速有效的配送需求,使用智能优化算法可以在有限的时间内给出相对较优解.研究了求解带容量和时间窗约束车辆路径问题的改进离散蝙蝠算法,为增加扰动机制,提高搜索速度和精度,在对客户点按其所在位置进行聚类的基础上,在算法中引入了变步长搜索策略和两元素优化方法进行局部搜索.仿真实验结果表明,所设计算法具有较高寻优能力和较强的实用价值.     

易腐生鲜货品车辆路径问题的改进混合蝙蝠算法

针对配送易腐生鲜货品的车辆其配送路径的选择不仅受货品类型、制冷环境变化、车辆容量限制、交货时间等多种因素的影响,而且需要达到一定的目标（如：费用最少、客户满意度最高）,构建了易腐生鲜货品车辆路径问题（VRP）的多目标模型,并提出了求解该模型的改进混合蝙蝠算法。首先,采用时间窗模糊化处理方法定义客户满意度函数,细分易腐生鲜货品类型并定义制冷成本,建立了最优路径选择的多目标模型;然后,在分析蝙蝠算法求解离散问题易陷入局部最优、过早收敛等问题的基础上,精简经典蝙蝠算法的速度更新公式,并对混合蝙蝠算法的单多点变异设定选择机制,提高算法性能;最后,对改进混合蝙蝠算法进行性能测试。实验结果表明,与基本蝙蝠算法和已有混合蝙蝠算法相比,所提算法在求解VRP时能够提高客户满意度1.6%~4.2%,且减小平均总成本0.68%~2.91%。该算法具有计算效率高、计算性能好和较高的稳定性等优势。     

蔬菜配送系统的路径优化及设计开发

蔬菜配送对时效性有很高的要求,配送路径优化成为企业赢利的关键点,而路径优化是NP难问题,传统的算法不能在有限的时间内给出最优解。使用蚁群算法（Ant Colony Optimization,AC0）并对其参数进行优化,解决车辆配送路径优化问题,使得配送路径实时最优化,降低配送成本和企业经营成本。本系统使用Struts2、Hibernate、Spring三大框架进行设计,前台具有智能定位、配送体系、订单跟踪、价格动态功能,后台集成用户管理、订单管理、新闻管理、蔬菜管理、客服服务功能。系统采用模块化设计,具有结构清晰,易于扩展的优点。     

Admission control and scheduling in simple series parallel networksusing fuzzy logic

Two outstanding problems of admission control and scheduling in networks with three and two workstations, respectively, are solved using fuzzy logic. Neither problem has been tackled up until now analytically, whereas the fuzzy approach provides computational solutions. In the first case, we have one workstation with two parallel ones. A reward is earned whenever the first stage accepts a customer and a holding cost is incurred by a customer in queue in the second stage. The class of customer to be next served by the first stage is dynamically selected so as to maximize an average benefit over an infinite horizon. In the second case, there are two parallel servers and three arrival processes generated by independent Poisson streams. Each server has its own queue and receives customers from its own arrival stream. A third arrival stream consists of customers with resource demand on both servers. Each customer pays a holding cost per unit time in the system. Again, the scheduling policy is specified which minimizes the average cost. The fuzzy models are new in this context and tackle computationally problems for which we have not analytical solutions     

VRP求解中保证满载率的扫描-遗传算法

为保证配送车辆的满载率,提出一种扫描-遗传算法,以任意一个需求不为0的需求点为子路径的起点开始扫描,结合节约法的思想,制定相应插入准则,并依照该准则向路径中插入需求点直至所有需求点都被插入。基于扫描起点的任意性形成多个可行解,将其作为种群并运用遗传算法,使解在整体上向最优解逼近。运用该扫描-遗传算法对郑州煤电物资供销公司的物资配送进行优化求解,并与随机扫描-遗传算法进行比较,结果表明该扫描-遗传算法满载率较高且费用较低。     

A label based ant colony algorithm for heterogeneous vehicle routing with mixed backhaul

Vehicle heterogeneity and backhaul mixed-load problems are often studied separately in existing literature. This paper aims to solve a type of vehicle routing problem by simultaneously considering fleet heterogeneity, backhaul mixed-loads, and time windows. The goal is to determine the vehicle types, the fleet size, and the travel routes such that the total service cost is minimized. We propose a multi-attribute Label-based Ant Colony System (LACS) algorithm to tackle this complex optimization problem. The multi-attribute labeling technique enables us to characterize the customer demand, the vehicle states, and the route options. The features of the ant colony system include swarm intelligence and searching robustness. A variety of benchmark instances are used to demonstrate the computational advantage and the global optimality of the LACS algorithm. We also implemented the proposed algorithm in a real-world environment by solving an 84-node postal shuttle service problem for China Post Office in Guangzhou. The results show that a heterogeneous fleet is preferred to a homogenous fleet as it generates more cost savings under variable customer demands.     

Using genetic algorithm for lot sizing and scheduling problem with arbitrary job volumes and distinct job due date considerations

This paper considers an integrated lot sizing and scheduling problem for a production–distribution environment with arbitrary job volumes and distinct due dates considerations. In the problem, jobs are firstly batch processed on a batching machine at production stage and then delivered to a pre-specified customer at the subsequent delivery stage by a capacitated vehicle. Each job is associated with a distinct due date and a distinct volume, and has to be delivered to the customer before its due date, i.e. delay is not allowed. The processing time of a batch is a constant independent of the jobs it contains. In production, a constant set-up time as well as a constant set-up cost is required before the first job of this batch is processed. In delivery, a constant delivery time as well as a constant delivery cost is needed for each round-trip delivery between the factory and the customer. Moreover, it is supposed that a job that arrives at the customer before its due date will incur a customer inventory cost. The objective is to find a coordinated lot sizing and scheduling scheme such that the total cost is minimised while guaranteeing a certain customer service level. A mixed integer formulation is proposed for this problem, and then a genetic algorithm is developed to solve it. To evaluate the performance of the proposed genetic algorithm, a lower bound on the objective value is established. Computational experiments show that the proposed genetic algorithm performs well on randomly generated problem instances.     

资金约束下单向共享电动汽车系统的充电站选址

针对单向共享电动汽车系统提出了一种充电站位置优化的方法,充电站的容量和服务范围内的需求量相适应;该方法基于混合整数规划模型,其目标考虑了满足服务的收入,车辆折旧成本和充电站的充电桩运行成本,目标函数为最大化共享电动汽车服务商的利润.最后进行了模拟仿真来测试方法的松弛度和性能,模型能够在合理的时间内解决较大规模的问题.     

多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题。首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多类型算例进行仿真实验,结果表明共享物流模式能有效避免交叉配送与迂回运输等不合理现象,降低物流成本,缩短车辆行驶距离,减少车辆碳排放,促进物流与环境的和谐发展。