基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W（ECW）节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

震后初期应急物资配送LRP中的干扰管理研究

研究震后初期应急物资配送定位-路径问题（LRP）中的干扰事件实时决策方法,综合考虑灾区路网损毁情况、需求点的模糊需求量与时间窗限制、多方式配送等因素,以应急物资总配送时间最短构建了震后应急物流LRP的优化模型,并结合行为科学中对人的行为感知的研究方法从灾区需求点、应急决策部门、应急物流执行者三个方面分析干扰事件对应急物流系统的扰动,在此基础上以系统扰动最小为目标构建一个字典序的干扰管理模型。最后,根据模型特点设计干扰事件处理策略与混合蚁群算法予以求解。算例结果表明,该方法比全局重优化方法和局部重优化方法更加合理有效。     

不确定环境下的危险品运输车辆路径优化

针对非满载危险品运输车辆路径优化问题,通过模糊变量刻画运输过程中的人口密度、行驶速度与运输时间以及客户需求量等方面的不确定因素,考虑载货量变化对风险评估的影响,建立基于动态载货量的风险评估模型,以运输总风险、车辆总行程、车辆使用数最小为优化目标,同时兼顾时间窗、事故概率、载货量等约束构建了不确定环境下的危险品运输车辆路径多目标优化模型。将NSGA-II算法与LNS算法相结合,设计混合NSGA-II算法求解模型。结果表明,混合NSGA-II算法可以获得空间分布均匀且收敛性较好的Pareto解集,不同运输参与者可根据自身偏好在解集中选择相应的配送方案;该算法得到的最优总风险、总行程及车辆使用数目分别比NSGA-II算法优化了11.5%、1.0%和14.3%,算法搜索性能和求解精度明显提高。     

灾后应急物资保障的多目标定位—联运模型

为了将应急物资快速准确地配送至灾区, 在考虑灾后应急物资保障阶段性特征的基础上, 构建了一个以应急物资未满足率最小、系统总时间最短以及系统总成本最小为目标的多周期混合整数规划模型, 模型考虑了应急配送中心定位及多种类应急物资联运等问题。采用GAMS软件编程, 并用分层序列法求解多目标规划。以“4·20”四川芦山地震为例验证模型的可行性和有效性, 结果表明该模型能有效地解决灾后应急物资保障的定位—联运问题。     

长江集装箱多式联运路径优化动态规划算法

考虑不同货流运输需求及其时间窗约束,研究长江集装箱多式联运路径优化问题,以运输总费用最小为目标构建数学模型,提出基于深度优先遍历的两阶段多式联运路径优化动态规划算法.第一阶段通过网络遍历提供所有货流可行路径方案集,作为第二阶段的输入完成多式联运路径优化.算例研究结果表明,动态规划算法可实现模型有效求解,适当调整时间窗约束或班次信息可降低多式联运费用.     

考虑供应不足的应急物流车辆路径优化模型及算法

灾害发生后的关键救援期内,应急物资有限且受灾点对应急物资的需求具有不确定性,为提高应急物流工作效率,需同时对应急资源分配和运输车辆路径进行优化决策。针对救援关键期内应急物资可能供应不足的情况,在假设物资需求为随机其服从正态分布的前提下,以最小化供应不足和供应过量所带来的损失、运输成本和车辆使用成本等为优化目标,考虑服务时间窗和车辆装载能力等约束,建立了随机需求环境下应急物流车辆路径问题的优化模型,并基于遗传算法设计了模型的求解方法。算例分析表明,本文所提出的优化方法运算快捷且结果合理,可为相关决策者提供科学的决策依据。     

面向应急物资调度的一种灰色规划模型*

为了科学合理地进行救援物资的调度,考虑在满足处置突发应急事件需求的同时,所耗物资降到最低限度,并且从总体上最大限度地降低处置突发应急事件物资运输调度的费用。在现有研究成果的基础上引入了灰色理论的知识,建立了应急开始时间最短、出救点个数最少以及需求约束偏爱度最大的多目标灰色规划模型,并通过算例用遗传算法实现该问题的求解,通过测试优选了种群数目、交叉率和变异率三种控制参数值以提高算法性能。实验所得的数据值越大,说明调度方案越好。实验结果表明,同限期最大量算法相比,在所有物资供应点提供的物资总量一定的情况下,应急地点所需的物资数量较少时,遗传算法针对该模型的求解体现更强的优化能力,其所得适应值更高,遗传算法对于求解应急物资调度灰色规划问题的适应性较强。     

灾难救援应急物资敏捷配送模型

应急物资敏捷配送是灾难救援的重要工作之一,为了给灾区快速配送应急物资,构建了包含救灾物资储备库、应急物资配送中心及受灾点三层结构的应急物资敏捷配送体系。建立相应双层优化模型,其中下层模型决策车辆路径安排,上层模型根据下层模型的结果决策应急物资的分配。根据该模型的特点,提出一种改进蚁群算法求解下层模型,并用CPLEX软件求解上层模型。最后以5·12汶川大地震应急救援为例,对优化模型及求解方法进行了验证。     

震后随机动态LRP多目标优化模型及算法*

为了在地震灾区快速配送救灾物资,建立了一个多产品多运输方式的随机动态应急配送中心定位—运输路线安排问题的多目标优化模型,据此得出不同阶段应急配送中心的定位以及救援物资运输路线安排决策方案。根据该模型的特点,提出一种基于动态规划和权重系数变换法的改进遗传算法,并运用罚函数法处理模型中的约束条件。算例分析表明了该模型和算法的有效性,能为应急管理部门提供辅助决策支持。     

区域性应急物资储备库选址－配给模型与算法

为整合区域性应急物资储备资源,加强储备物资的协同管理,研究了区域性应急物资储备库的多点选址-配给问题。建立了以储备库建设成本与变动成本、物资运输成本之和最小化,以及物资运输总时间最小化的区域性应急物资储备库选址-配给多目标优化模型。鉴于多品种、多目标选址-配给问题的特点,设计了一种改进的多目标遗传算法,并用MATLAB编程实现模型的求解。在算法流程设计中,对于高维稀疏矩阵编码且具有强约束限制的选址-配给问题,初始化过程中采取搜索空间限定法来规避违约,并设计了定位变异算子以此生成子代。算例分析结果表明该算法性能较好,可以有效求解多点设施选址-配给问题。     

应急救援物资多目标分配与调度问题建模与求解

应急救援物资多目标分配和调度集成优化是灾害应急决策中的一个难点问题.为此, 构建一种面向多储备点、多发放点、多种应 急救援物资的并发分配与调度多目标优化模型, 提出一种基于二维NSGA-II与蚁群优化的混合智能搜索算法.在所提算 法中, 设计二维二进制编码、个体修正策略以解决多发放点之间潜在的应急救援物资 冲突, 并改进蚁群优化中的信息素全局更新策略以实现多个调度路径的同时优化.对比实验 结果表明, 所提出的混合算法可以在合理的时间内给出更高质量的应急救援物资分配和调度方案.     

基于非支配排序差异演化的应急资源多目标分配算法

应急资源分配（Emergency resource allocation,ERA）是灾害应急管理中的核心环节,主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而,在大规模突发灾害发生后,每个发放点极可能会同时向多个储备点请求多种救援物资,从而带来潜在的应急资源冲突.为此,本文首先构建了考虑应急资源冲突消解的多储备点、多发放点、多种救援物资的应急资源多目标优化模型,并提出了一种基于非支配排序差异演化和编码修正机制的应急资源多目标分配算法.对比实验结果表明,该算法在大规模样本下能够从全局角度同时给出多个发放点的应急资源分配方案,有效实现多个储备点同时为多个发放点协同配备应急资源,而且不会产生任何应急资源冲突,为解决应急资源受限情况下的大规模应急资源分配问题提供了一个有益的尝试.     

考虑效率和公平的跨区域协同应急救援路径选择

面对灾害波及多个不同区域,构造相对剥夺成本来度量各受灾点处伤员遭遇痛苦的差异性,研究带有时间窗限制、考虑灾害救援差异的跨区域伤员协同救援问题.以救援总耗时最短、绝对和相对剥夺总成本最低为多个决策目标,构建兼顾效率和公平的跨区域协同应急救援路径选择模型.应用蚁群算法实施算例仿真求解,并将各区域独自应急的不协同情形与基于距离和基于时间的跨区域协同应急情形作对比分析,讨论跨区域不同协同策略的适用性和有效性.研究结果可为构建高效的跨区域协同应急救援体系提供有益参考.     

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。     

A planning model and solution algorithm for multi-trip split-delivery vehicle routing and scheduling problems with time windows

This study proposes a daily vehicle routing model for minimizing the total cost of replenishing inventory within a supply chain. The first major contribution of this research is to allow multiple use of vehicles in a split delivery vehicle routing problem with time windows (SDVRPTW), which is more realistic for various real-life applications. The multi-trip SDVRPTW (MTSDVRPTW) is formulated using the time–space network technique, which provides greater flexibility for formulating the complicated interactions between vehicles and products when multi-trip, split delivery, and delivery time windows are simultaneously considered. The resulting formulation of the MTSDVRPTW can be categorized as an integer multi-commodity network flow problem with side constraints. A two-step solution algorithm is proposed to solve this NP-hard problem, which is the second major contribution of this research. Finally, a real-world scale numerical example is performed to demonstrate and to test the methodology. The results indicate that these vehicle routing problems can be solved effectively and efficiently and that the proposed methodology has great potential for inventory replenishment scheduling where split deliveries and multiple trips for a single vehicle are allowed and time window constraints are imposed.     

应急物资运输路径多目标优化模型及求解算法

针对应急前期运输商自有车辆不足的实际背景,采用自有车辆和第三方租用车辆共同配送的运输模式,对混合车辆路径的组合优化问题进行研究。首先,考虑需求点和运输商的不同利益诉求,以系统满意度最大、系统配送时间和总成本最小为优化目标,建立带软时间窗的多目标混合车辆路径优化模型。其次,考虑NSGA-Ⅱ算法在求解该类问题时收敛性差和Pareto前沿分布不均匀的缺点,将蚁群算法的启发式策略和信息素正反馈机制用于生成子代种群,非支配排序策略模型用于指导算法的多目标择优过程,并引入变邻域下降搜索以扩大搜索空间,提出求解多目标的非支配排序蚁群算法以突破原有算法瓶颈。算例表明：构建的模型可对决策者在不同的情境下依据不同的优化目标选择合理的路径提供参考,提出的算法在求解不同规模的问题和不同分布类型的问题中均表现出较好的性能。     

有软时窗约束带取送作业的车辆路径问题及其禁忌搜索算法研究

有软时窗约束带取送作业的车辆路径问题是在基本的车辆路径问题上增加了取送作业和时间窗约束的一种变化形式,是一个典型的NP-难问题.本文建立了问题模型,运用改进的禁忌搜索算法测试了根据实际状况构造的一个大规模算例.快速获得的高质量解验证了模型的正确性和算法性能的优良性.     

基于ACS-GA算法的车辆路径问题研究

物流配送车辆路径问题是智能交通和商业物流领域中一个重要研究方面。合理规划车辆的行驶路线,减少配送里程,降低物流成本,对提高经济效益具有重要意义。重点分析了带时间窗的物流配送车辆路径问题,建立了兼顾配送时间与配送距离最短的改进数学模型。提出了基于蚁群系统算法和遗传算法相融合的混合算法。该算法利用蚁群系统算法得到初始解,运用遗传算法中复制、交叉、变异操作对解的种群多样性进行扩充,克服了蚁群系统算法的早熟现象,增强了算法的全局搜索能力。基于标准数据集的实验结果表明,该算法与其他优化方法相比较,具有较好的搜索车辆路径最优解的能力。     

Efficient solution algorithms for a time-critical reliable transportation problem in multigraph networks with FIFO property

Relief distribution in urban environments is one of the major activities in emergency logistics management. The effective and time-saving dispatching process in affected areas is pivotal in rescue operations. In this study, we formulate a reliable time-dependent vehicle routing problem with time windows in a multigraph based network. In such networks, there exist parallel arcs with multiple attributes between nodes. The purpose of the provided model is to minimize delays in delivering prioritized items in disaster response operations. It also controls the minimum reliability of each route. Controlling the reliability in relief distribution gives this assurance that emergency packages on vehicles can reach their destinations safely and in a timely manner. In order to solve the problem, a novel restricted dynamic programming is applied to the problem through the giant-tour representation. The proposed algorithm can reach the optimal solution when utilized in an unrestricted way. In addition, a modified caching genetic algorithm and a three-phase optimization method based on the tabu search heuristic are provided to deal with larger instances in reasonable computation times. Finally, a real transportation case is presented to illustrate the potential applicability of the model in urban environments. The results accentuate the efficiency of the proposed methods and show the significance of multigraph to accelerate the distribution operations for reliable emergency logistics planning.     

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。