一种求解两级车辆路径问题的Memetic 算法

两级车辆路径问题是指物资必须先由中心仓库配送至中转站(第1级),再由中转站配送至客户(第2级)的一种车辆路径问题。针对该NP难问题提出一种Memetic算法通过自底向上的方式进行求解。首先利用改进的最优切割算法MDVRP-Split将客户合理分配至中转站;然后采用局部搜索解决第1级问题,交叉产生的精英个体通过局部搜索改进。标准算例的测试结果表明,所提出算法更注重求解质量与求解效率的平衡,性能优于其他现有的两种算法。     

带有时间窗的多配送中心车辆调度问题研究

在分析时间窗的惩罚函数基础上,建立了带有时间窗的多配送中心车辆调度模型,针对模型设计了两阶段求解算法,先通过扫描算法把客户化分到不同的配送中心负责配送,然后采用改进的遗传算法求解带有时间窗的单配送中心的车辆调度模型,最后,结合算例仿真计算验证了算法的有效性。     

考虑交通时变特性的城乡快递无人机配送优化研究

针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高问题,提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通的时变特性的情况下,以无人机—车辆配送系统总成本最小为优化目标,建立了时变网络下带时间窗的无人机—车辆路径问题（TDVRPDTW）模型,并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后,通过算例求解验证构建模型的合理性和求解算法的有效性,为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。     

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。     

基于时空聚类求解带容积约束的选址-路径问题

选址-路径问题是供应链管理和物流系统规划中的一个重要问题,对总成本具有十分重要的影响.对考虑配送中心容积约束的带时间窗的选址-路径问题进行研究,建立以总成本最小和客户满意度最大为目标的多目标规划模型,提出两阶段算法对其进行求解.首先,利用k-means聚类算法确定配送中心选址;然后,提出一种基于时间-空间双因素的客户划分方法以确定配送中心所服务客户;最后,利用粒子群算法对各配送中心的配送路径进行规划.数值算例表明,所提出的算法较其他已有算法,均能有效地降低物流运作总成本及总配送路径长度,为解决带容积约束及时间窗的选址-路径问题提供了一种新的解决思路.     

基于改进遗传算法的带时间窗车辆路径问题研究

该文以最小化配送时间为目标,研究带时间窗的车辆路径问题,建立整数规划模型。为了加快遗传算法的收敛速度和寻优能力,提出一种改进遗法算法IGALS(Improved Genetic Algorithm with Local Search)。改进算法借用精英保留策略,采用点交叉和段交叉算子结合的交叉算子;提出路段允许延迟时间概念,并以此为依据使用局部搜索策略进一步提高解的质量。通过Solomon标准算例测试,验证了改进算法(IGALS)较简单遗传算法(GA)具有更好的全局寻优能力和更快的收敛速度。     

基于场景动态度的两级配送路径问题

针对城市配送过程中出现的交通限行和需求不确定性等问题,将配送周期划分为初始配送阶段和动态补货阶段,路径中包含枢纽型物流中心、配送型物流中心和客户,研究其共同构成的两级车辆配送路径优化问题.考虑到问题的动态性,提出前摄性需求配额策略及响应性补货策略,构建基于场景动态度的两级动态车辆路径问题数学模型.设计融合扫描算子的禁忌搜索算法,完成车辆初始阶段的配送路径优化;根据场景动态度,设计修复/更新性动态客户的响应策略,快速响应动态需求.最后,通过仿真算例验证模型和算法的有效性,实验结果表明,所提出的设计策略能够有效降低动态客户对低动态度应用场景初始路径的干扰,并简化高动态度场景下的路径优化复杂度.     

农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端，是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题，考虑无人机与车辆协同方式、多无人机多包裹配送等约束，以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围，第二阶段设计爬山算子与分裂算子改进遗传算法，求得无人机与车辆配送路径。最后，通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。     

不确定环境下多品类共同配送路径优化

针对动态事件对配送过程的干扰问题，提出多品类共同配送车辆路径优化问题。基于对不确定环境下动态客户时空特性的分析，提出利用时空泊松分布生成动态客户的方法；并从整体运营成本及车辆固定成本入手，建立不确定环境下多品类共同配送模型；鉴于考虑模型的特殊性，设计遗传-禁忌搜索组合优化算法，结合具体算例对模型和算法性能进行验证。结果表明，提出的多品类共同配送方法优于单品类配送方法，且改进后的遗传-禁忌搜索算法具有更强的寻优能力。     

随机需求有时间窗的路径优化及补救策略研究

针对城市物流配送中客户需求量不确定且时效性要求较高的特点,考虑客户需求量为随机变量且有时间窗的车辆路径优化问题,同时基于不同的信息化调度水平,考虑了配送失败时的三种补救策略。构建了机会约束混合整数规划数学模型并转化为等价的确定性模型进行求解。提出了含有多种算子的改进混合进化算法来求解该模型,并基于算例,验证了算法的优越性。同时,对模型的参数敏感性和三种补救策略下的风险成本进行了分析。结果表明,采用提前预测,实时反馈,即时派出新车的补救策略可以最大程度保证满足客户时间约束,同时还具有降低配送路程的经济优势。     

A fuzzy-based customer clustering approach with hierarchical structure for logistics network optimization

Customer clustering is an essential step to reduce the complexity of large-scale logistics network optimization. By properly grouping those customers with similar characteristics, logistics operators are able to reduce operational costs and improve customer satisfaction levels. However, due to the heterogeneity and high-dimension of customers’ characteristics, the customer clustering problem has not been widely studied. This paper presents a fuzzy-based customer clustering algorithm with a hierarchical analysis structure to address this issue. Customers’ characteristics are represented using linguistic variables under major and minor criteria, and then, fuzzy integration method is used to map the sub-criteria into the higher hierarchical criteria based on the trapezoidal fuzzy numbers. A fuzzy clustering algorithm based on Axiomatic Fuzzy Set is developed to group the customers into multiple clusters. The clustering validity index is designed to evaluate the effectiveness of the proposed algorithm and find the optimal clustering solution. Results from a case study in Anshun, China reveal that the proposed approach outperforms the other three prevailing algorithms to resolve the customer clustering problem. The proposed approach also demonstrates its capability of capturing the similarity and distinguishing the difference among customers. The tentative clustered regions, determined by five decision makers in Anshun City, are used to evaluate the effectiveness of the proposed approach. The validation results indicate that the clustered results from the proposed method match the actual clustered regions from the real world well. The proposed algorithm can be readily implemented in practice to help the logistics operators reduce operational costs and improve customer satisfaction levels. In addition, the proposed algorithm is potential to apply in other research domains.     

Urban pickup and delivery problem considering time-dependent fuzzy velocity

The velocity in vehicle routing problem is usually fuzzy and uncertain, which would influence the flexibility and feasibility of the dispatch result of vehicles. In this paper a realistic model is proposed to solve urban pickup and delivery problem with consideration of time-dependent fuzzy velocity of vehicles. Firstly, based on collected traffic data of typical roads in an urban city, the membership function of fuzzy velocity was created and simulated. Then the fuzzy arriving time to customers was calculated with Alfa-Cut Set Algorithm. Next, the urban pickup and delivery problem under time-dependent fuzzy velocity was described, and a modified Tabu Search was used to solve the problem. Finally, the paper introduces a real pickup and delivery problem with 28 customers in a logistics company to illustrate the proposed method. The results show the dispatch result considering fuzzy velocity is more feasible and robust than that with deterministic velocity, and the improved Tabu Search could be used to solve the urban pickup and delivery problem with shorter computation time.     

云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。     

卡车-无人机协同救灾物资避障配送问题研究

针对洪涝灾害中存在积水障碍区的卡车-无人机协同配送的最优路径及最短配送时间问题,建立了一种整数规划模型,并提出了一种两阶段启发式算法,第一阶段将积水障碍区进行二维网格化处理并确定无人机运输救灾物资时卡车的安全等待点以及各等待点无人机运送客户的集合,第二阶段提出阶段性规划算法,结合改进A*算法与非线性收敛因子的模拟退火鲸鱼算法对卡车绕积水障碍区的配送路径进行优化,在确保卡车行使安全的前提下,将A*算法的全局寻优性及鲸鱼算法的局部搜索精确性结合。解决存在积水障碍区的救灾物资配送问题,最后通过实例验证了所提出方法可以快速安全地解决洪涝灾害中救灾物资的避障配送问题。     

服务差异二级选址路径问题及大邻域搜索算法

在电子商务背景下,物流公司为了实现及时交付并缓解交通拥堵,可按照客户不同的服务需求,将其分为自取型和配送型,进而选择开放自助点或配送点对客户进行服务。自助点和配送点作为二级物流设施,配送中心作为一级物流设施,由此形成了二级选址-路径问题。在配送车数量约束、自助点容量约束等限制下,兼顾客户点物品回收,以总物流成本最小为目标,建立考虑服务差异的二级选址-路径问题模型。设计自适应大邻域搜索算法进行求解,通过Nguyen的2E-LRP算例进行测试,更新了1个算例的全球最优解,其余算例达到或接近最优解,平均Gap值在1.22%以内,验证了算法的有效性及良好的收敛性。实际案例模拟分析验证了模型的有效性和适用性,可以为相关物流企业提供决策依据和参考。     

基于分布式图算法的无线网络MAC调度算法

针对无线自组织网络带宽利用率低的问题,在主干扰模型的基础上,提出一种基于分布式极大独立集(MIS)的无线自组织网络STDMA节点调度算法.该算法以分布式MIS算法为基础,在算法进入平衡状态时,优先让度大的节点加入MIS,再通过将其结果转化成△+1染色,从而完成时槽分配.该算法是完全分布式的,且时间复杂度为O(1bn).仿真结果表明,与分布式MIS算法相比,该算法收敛速度平均提高23.6％.     

基于变长编码遗传算法的最小缩减计算

在数据库知识发现的过程中,属性选取是其中的一个重要步骤,它通过去除冗余属性,达到提高数据挖掘效能的目的。本文利用粗糙集合中的理论作为背景知识,讨论了使用遗传算法寻找最小缩减的方法,并提出采用个体变长编码的方法来解决最小缩减的计算问题,设计出相应的交叉、变异算子,实验证明其具有较好的收敛性能。     

无人机骑手联合外卖配送路径优化问题研究

外卖配送是外卖业务中的重要环节,而配送成本和准时送达率是决定外卖配送质量的关键因素,因而对外卖配送路径优化问题的研究尤为重要。基于无人机骑手联合外卖配送模式,引入时空距离度量方法,以最小化送餐成本为目标建立了无人机骑手联合外卖配送的路径优化模型,设计了一种两阶段启发式算法进行求解。第一阶段使用结合K-means的遗传算法对顾客聚类,形成骑手初始路径,第二阶段分别使用改进的变邻域搜索算法和A*算法优化骑手路径和无人机送餐航迹。实验结果表明,与传统骑手配送模式相比,考虑时空距离的无人机骑手联合外卖配送模式能减少送餐成本,提高准时送达率。