基于分层模型的卷烟成品物流配送优化调度

在约束条件下,卷烟成品物流配送任务的调度是一个典型的NP难题。通过对配送任务类型的分析,提出基于任务分层模型的优化调度方法,该方法运用调度启发信息对配送任务进行分类,不同类型的任务采用不同的算法求解,有效地缩小了问题搜索空间,通过实践验证了该方法的效果。     

大型物流车辆配送线路自适应调度方法

为了有效提高物流配送车辆的利用率,降低配送车辆的空载率及物流运输成本,需要对大型物流车辆配送线路自适应调度方法进行研究。当前方法多是采用通过对物流车辆配送过程中的调度与路径选择进行分析,建立多类型的物流配送车辆调度模型,并构建改进后的遗传算法,对物流调度模型的算法效率以及计算时间和复杂度进行优化,以获取物流车辆配送调度问题的最优解,但该方法存在过程较为繁琐的问题。为此,提出一种大型物流车辆配送线路自适应调度方法。该方法首先建立物流车辆配送线路调度问题的数学模型,为实现自适应调度方法对数学模型进行优化求出最优解,利用蚁群算法对物流车辆配送调度数学模型的最优解进行优化,获取最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得出了优化的最优路径;以优化的最优路径完成对大型物流车辆配送线路自适应调度。仿真实验表明,利用蚁群算法不仅加快了物流配送路线调度优化问题求解的速度,降低了物流运输的成本,而且获取了最优解的概率,比其他调度算法具有更明显的优势。     

基于改进粒子群算法的物流配送车辆调度

物流配送车辆调度问题是指安排有限的车辆有效地完成配送任务。优化目标是在满足客户需求和车辆能力约束的条件下,找出配送成本较低的配送车辆调度方案。由于配送过程受客户位置、配送车辆限制等多种因素影响,导致车辆的调度问题十分复杂。参照经典车辆路径问题模型,考虑了车辆配送里程和用户数等限制,建立了双向车辆调度问题的数学模型。在标准粒子群算法的基础上,引入爬山操作,增加了粒子群的多样性,提高了算法的局部搜索能力,并设计了基于改进粒子群算法的物流配送车辆调度算法,有效地解决了物流配送车辆的优化调度问题。     

基于模糊时间窗的智慧物流越库调度仿真研究

在越库配送中商品和货物到了配送中心后直接可在站台上向客户配送,能够有效降低库存和运输成本,但是对车辆调度效率要求较高。若进出站台的车辆得不到精准排序,会直接影响货物出站时间。为进一步提升越库调度效果,提出基于模糊时间窗的智慧物流越库调度方法。基于物流越库类型的分析结果,结合模糊时间窗制定调度目标函数以及约束条件,构建物流越库调度模型。引入萤火虫算法对调度模型求解,获取模型最佳目标函数值,输出模型调度结果,实现智慧物流的越库调度。实验结果表明,上述方法对物流越库调度模型的求解与最优解的差距最小,且物流调度范围对其影响不大,可在10s之内完成智慧物流的越库调度,应用效率较高。     

遗传算法在企业工业用油配送中的应用研究

用遗传算法求解企业配送工业用油中的车辆路径问题,建立一个配送优化调度模型,并对遗传算法在系统模型中的工作原理和流程进行了阐述。同时结合实例,说明遗传算法对企业工业用油管理配送调度中是可行、有效的。     

多物流中心协同配送车辆调度模型研究

提出了基于多Agent的物流中心协同配送车辆配载调度系统框架。系统中的Agent以自组织方式暂时结盟,结盟原则是联盟内成员完成物流任务成本最小。重点研究了联盟成员实施协同配送车辆配载调度优化算法以及结合配送货物共有性、车辆负载及行驶路径的基因自适应换位算子,并就实施协同配送利益分享协商模型中的协商协议、协商策略进行重点分析。实验结果表明,自组织协同配送可以降低成本,提高物流配送效益。     

开放式实时嵌入式系统自适应调度模型研究

开放式实时嵌入式系统中多类型实时任务并存和资源受限的情况给实时调度机制带来了新的需求和挑战。通过引入准入控制、资源管理、调度服务器、自适应调节机制等,提出了一个形式化的自适应调度模型。它能适应开放计算环境的不确定性,有控制地接受不同类型任务的运行;可根据系统资源和任务需求的最新变换情况计算带宽变化,自适应地调节任务的优先等级,使得系统运行在最优的实时性能上;该模型在某航空机载系统设计中得到了实际应用,同其它类似系统相比,该模型的应用提高了系统的调度性和系统稳定性。     

应急物资配送车辆调度模型与优化综述

抢险救灾行动的有效规划和调度在挽救人民群众生命和减轻财产损失中起着重要作用,利用数学建模方法和计算机仿真技术,辅助决策者完成应急物资配送车辆调度已成为学术界的共识。围绕模型和优化两个关键点,分析了近年来应急物资配送车辆调度的研究现状,归纳出了应急物资配送车辆调度模型的主要优化目标和影响因素,对比分析了多种优化算法的应用效果,提出了现有研究中存在的问题,最后研讨了应急物资配送车辆调度研究的发展趋势。     

网格资源调度研究

在介绍网格资源管理的基础上,针对网格中的资源调度问题,分析和总结常见的三类资源调度策略;并结合应用任务的类型分析了面向应用的资源调度策略,探讨网格对不同类型任务的调度支持,着重分析协作型任务的调度问题。将协作型任务通过BPEL4WS规范描述后,分解为多个可以并发或串行执行的子任务,然后进行调度。基于此,提出了一个新的协作型任务调度方法。     

对等网络环境下基于多属性约束的任务调度算法研究

为了提高对等网络环境中的任务调度效率,提出将资源属性与任务属性相结合的多约束任务调度算法MDSA.在该算法的实现过程中,依据被调度的任务类型和隶属函数的定义,将对等网络环境划分为不同的虚拟社群,并将不同类型的任务提交到对应需求的虚拟社群中;将对等网络抽象描述为资源属性的集合,并定义了待调度的任务集合;以资源和任务属性的多约束信息为基础,利用待调度任务的时限属性信息形成调度队列,借助于预判机制和二级调度的思想对任务进行调度,并应用NS2和GridSim工具包对MDSA调度算法进行了测试.通过对仿真结果中的数据进行分析和比较,验证了多属性约束调度算法MDSA的优势.     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

Logistics service scheduling with manufacturing provider selection in cloud manufacturing

In service-oriented manufacturing models, manufacturing resources in different enterprises are integrated and shared through network, cloud platforms, and logistics. On cloud manufacturing platforms, service providers offer on-demand manufacturing services to service demanders according to supply-demand matching results. As a special type of manufacturing services, logistics services provide transportation capabilities for production services and demanders. It is a critical issue to schedule logistics services efficiently, especially when manufacturer selections have been planned. This research focuses on the logistics scheduling problem in cloud manufacturing with pre-selected manufacturers. We analyze this optimization problem from aspects of tasks, production services, logistics services, and optimization objectives. Then a logistics scheduling method is proposed to reduce the average delivery time from manufacturers to customers. In the proposed method, the total time from start points of logistics to demanders is considered to reduce the average delivery time of all tasks. Based on four different scenarios, we build their scheduling models and run simulations to verify the effectiveness of the proposed method. Results show that the average task delivery time of the proposed method is shorter than three typical strategies.     

求解定制物流调度问题的动态微粒群算法

为解决定制物流调度优化问题,给出一种基于微粒群优化的物流调度算法。设计了定制物流调度问题的数学模型,给出了动态微粒群优化算法的框架,并在仿真环境下进行了实验验证。实验结果表明,该算法能够有效地解决定制物流调度问题,具有较好的应用价值。     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

基于节点流的流程工业生产物流调度方法及应用

流程工业生产物流动态平衡调度是典型的多工序、多目标、多约束的多机并行调度问题,难以解析建模.为此,提出了节点流控制及切换的概念,建立了生产调度模型,并采用多目标分层求解调度模型.在此基础上,提出了流程工业生产的物流平衡调度方法.实际应用表明,所提出方法提高了物流动态调度的准确性和生产效率.     

基于聚类的城市共同配送海量订单调度问题研究

针对云物流环境下城市共同配送海量订单调度难的问题,本文提出基于订单聚类的调度算法.首先针对单中心多车辆调度问题,提出基于单亲遗传的优化调度算法;在此基础上综合考虑城市配送中心的地理位置、车辆及配送点的地理位置、货物的种类、需求量,提出采用蚁群算法构建基于配送中心的海量订单聚类、优化调度算法.     

电商配送中的车辆调度问题优化研究

电子商务环境下的物流配送产生了新的特点,在传统方式下建立的物流配送系统已不能完全满足电子商务的需要。针对电商配送终端客户具有配送需求量小、品种多、位置较分散的新特点,研究电子商务环境下的车辆调度问题,用聚类分析法划分配送区域,建立VRPTW模型,采用遗传算法对模型加以求解。通过仿真实验,与传统的VRP模型求解进行比较,发现优化后的成本比未优化的成本低,验证了关于VRPTW优化模型求解方法的有效性。