时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

考虑随机旅行时间与二维装载约束的越库配送车辆路径优化

面向越库配送模式下二维装载和车辆路径联合优化,考虑现实配送过程的不确定性因素,提出考虑随机旅行时间和二维装载约束的越库配送车辆路径问题.基于蒙特卡洛模拟与场景分析方法,建立以运输成本、车辆固定成本以及时间窗期望惩罚成本之和最小化为目标的带修正随机规划模型.继而根据问题特征,设计改进的自适应禁忌搜索算法和基于禁忌搜索的多重排序最佳适应装箱算法进行求解.其中,改进的自适应禁忌搜索算法在禁忌搜索算法的基础上引入自适应机制,对不同邻域算子进行动态选择,并提出基于移除-修复策略的多样性机制以增强算法的寻优能力.数值实验表明,所提出的模型与方法能够有效求解考虑随机旅行时间和二维装载约束的越库配送车辆路径问题,自适应与多样性机制能一定程度上增强算法的全局搜索能力.     

城市物流配送的混合车辆路径规划模型与优化算法

针对城市部分区域限行、物流系统中燃油车与电动车同时并存的实际情况,综合考虑客户需求量、服务时间、电动车行驶里程、已有充电设施、部分充电策略、燃油车油耗与碳排放等因素,以车辆使用固定成本、驾驶员工资、电动车的充电成本、燃油车的油耗与碳排放成本之和最小为目标构建混合车辆路径规划模型.根据模型特征设计一种改进蚁群算法求解,并采用多类型算例进行实验.实验结果表明,所提方法能在非常短的时间内给出符合决策者目标的混合车辆路径规划方案,有效降低总配送成本,减少燃油车油耗与碳排放,具有合理性、可行性与有效性.     

三维机器人路径规划的一种变异算子蚁群算法

研究三维空间机器人路径规划问题,由于系统求解时间较长、过早失去解的多样性、易陷入局部最优、个体适应度较差等问题,通过构建三维工作空间模型、引入变异算子和搜索无碰路径策略来解决,提出适宜于三维机器人路径规划的一种变异算子蚁群算法(Mutation Operator Ant Colony Algorithm,MOACA)。MOACA是一种关于模型构造的启发式搜索算法,算法在改进启发式函数设计、选择概率确定、信息素更新策略等基础上,引入逆转变异和插入变异算子,通过选择逆转点反序排列部分路径节点和随机插入路径节点的方法搜索无碰路径,对蚁群算法进行了局部优化改良。仿真结果表明,MOACA在搜索路径、收敛时间、适应度等方面较传统蚁群算法有明显改善,算法是有效可行的。     

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.     

求解冷链物流时间依赖型车辆路径问题的混合自适应大邻域搜索算法

针对单一机制的自适应大邻域搜索算法存在早熟收敛、易陷入局部最优的问题,提出了一种混合自适应大邻域搜索算法来求解冷链物流时间依赖型车辆路径问题（TDVRP）。首先,根据连续型行驶时间依赖函数来刻画时变车速,采用综合油耗模型来评估实时燃油消耗量,并建立了以总成本最小化为目标的路径优化模型;然后,根据问题的NP-hard性质和时间依赖特性设计了多种破坏和修复解的大邻域搜索算子,并将破坏-修复大邻域搜索算子融入到人工蜂群（ABC）算法之中,以提高算法的全局搜索能力。仿真实验结果表明,与自适应可变邻域搜索精英蚁群（AVNS_EAC）算法、自适应大邻域搜索精英蚁群（ALNS_EAC）算法、自适应大邻域搜索精英遗传（ALNS_EG）算法和自适应大邻域搜索模拟退火（ALNS_SA）算法相比,所提出的自适应大邻域搜索人工蜂群（ALNS_ABC）算法在多组测试数据上的最优适应度值分别平均提高了46.3%、5.3%、36.8%和6%。可见所提算法计算性能更高、稳定性更强,能够为冷链物流企业兼顾经济效益和环境效益提供更为合理的决策依据。     

基于粒子群优化的考试时间安排问题的求解算法

粒子群优化算法是近年来发展起来的一种元启发式的搜索算法,是目前解决组合优化问题的最有效的算法之一.针对考试时间表问题(ETP),通过基于时间序列的粒子编码方式和新的更新算子,建立ETP问题的粒子群求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验结果表明所提算法及策略的有效性.     

一种求解车间作业调度的自适应混合遗传算法

针对遗传算法和禁忌搜索算法在求解车间作业调度问题存在的全局收敛性差、种群早熟化、收敛速度慢等缺陷,提出了一种自适应遗传禁忌搜索算法。算法通过自适应调整遗传算子中的变异概率,改善了遗传算法的收敛速度;通过增加禁忌表来选择杂交产生的个体,避免迂回搜索,以禁忌搜索算法作为变异算子,增加种群的多样性,避免算法陷入局部最优。通过仿真实例,验证了算法的收敛性和抗局部收敛性。     

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。     

模糊需求下绿色同时取送货问题与算法研究

研究绿色同时取送货车辆调度问题,提出改进的遗传禁忌搜索算法（Genetic Algorithm with Tabu Search,GA-TS）求解该问题。模型中,以服务成本、油耗成本和碳排放成本构成的总成本最小为目标,采用了综合模型计算油耗和碳排放成本,引入三角模糊数来描述客户需求的不确定性,并考虑同时取送货需求。在改进的GA-TS算法中,将惩罚因子引入适应度函数,采用结合精英策略的选择算子,提出结合禁忌搜索算法的变异算子。在案例分析中,采用田口分析法获取合理的参数设置,通过案例结果分析和算法对比分析验证模型和算法的有效性和先进性。     

基于混合蚁群算法的冷链电动汽车车辆路径问题

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境,而电动汽车续驶里程短、充电时间长,致使运营成本高的现象,思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求,构建了以总配送成本最小为优化目标的线性规划模型,而目标函数由固定成本和可变成本构成,其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束,并设计混合蚁群（HACO）算法对其进行求解,其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上,形成了小规模和大规模两个算例集,并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明,在小规模算例集中,传统ACO算法与CPLEX求解器均能找到精确解,而ACO算法在运算时间方面可节省99.6%;而在大规模算例集中,与ACO算法相比,结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制，在满足商用要求的前提下，纯电动汽车用于长途运输服务在短期内难以实现。不过，城市物流因其配送区域较小、货物的批量较小、批次较多的特点，可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响，建立了考虑车辆负载对实时能耗影响的配送模型，以及时满足客户的服务时间要求。并以城市A为例，设计了蚁群算法对模型进行求解，为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后，通过与使用燃油车辆运营相比较，分析未来纯电动汽车在城市配送物流中的可行性。     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制,在满足商用要求的前提下,纯电动汽车用于长途运输服务在短期内难以实现。不过,城市物流因其配送区域较小、货物的批量较小、批次较多的特点,可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响,建立了考虑车辆负载对实时能耗影响的配送模型,以及时满足客户的服务时间要求。并以城市A为例,设计了蚁群算法对模型进行求解,为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后,通过与使用燃油车辆运营相比较,分析未来纯电动汽车在城市配送物流中的可行性。     

基于实时路况的电动汽车充电调度算法

随着电动汽车行业在我国蓬勃发展, 电动汽车的"充电难"问题逐渐显现, 已经逐步成为限制电动汽车行业发展的瓶颈. 电动汽车充电时间长, 城市充电桩数目不足且时空分布不均等问题是导致"充电难"的直接原因. 本文提出一种基于路况的电动汽车充电调度算法, 通过综合考虑路网内的实际情况, 对充电车辆进行统一调度. 文章建立了车辆调度模型并进行了仿真模拟, 结果表明: 该算法能够有效降低电动汽车的充电时间、平衡区域内充电站的负载、提升全局的充电效率.     

考虑交通流量的改进型电动汽车充/换电设施选址布局

为了有效促进电动汽车在我国的蓬勃发展、提高电动汽车使用效能并降低交通物流业的环境污染,本文拟通过构建考虑交通流量的电动汽车充/换电设施规划方法进行电动汽车充/换电设施优化布局研究。首先,从便利性原则、经济性原则、安全性原则、可行性原则4个方面分析电动汽车充/换电设施的布局原则;在此基础上,综合分析典型选址模型的局限性,以充/换电设施的服务能力最大化为目标,构建考虑交通流量的改进型电动汽车充/换电设施截流选址模型;然后,考虑到该模型的NP-hard特性,将二进制粒子群算法引入充/换电设施的布局模型求解中以提高计算效率;最后,以深圳市某区域为实例,基于MATLAB软件进行电动汽车充/换电设施规划布局研究,为该区域充/换电设施布局提供行之有效的方案。     

基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

考虑灵活充电策略的带时间窗物流配送路径优化研究

电动汽车作为一种新型绿色交通运输工具,目前被广泛的应用于多种物流场景中.然而,电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中的有效推广.为此,针对电动汽车的物流配送路径优化问题,引入一种部分充电策略,提出了考虑部分充电策略的带时间窗电动汽车物流配送路径优化问题,建立了该问题的整数规划模型,并设计混合模拟退火算法对其求解.最后,利用一个研究算例对模型和算法进行了测试和数值分析,验证了其有效性.     

共享充电桩下负荷时间分布均衡的小区电动汽车充电方案优化

针对电动汽车充电负荷增加、电网安全性降低,以及停车困难小区只能使用共享充电桩等问题,提出了一种充电桩选择与电动汽车充电优化的组合模型。该模型以共享充电桩之间充电时间标准差和全天充电负荷标准差之和最小为目标。考虑到电动汽车充电桩分配方案以及电动汽车充电方案两者的重要程度并不相同,提出了一种随着迭代次数的增加,变化概率不断改变的动态概率遗传算法。将改进后的遗传算法求解该模型,通过求解一个算例,进一步阐述所提算法的原理和过程,验证了该算法的可行性和有效性。     

私家电动汽车在商业停车场的充电调度策略

随着私家电动汽车(private electric vehicles, PREV)的普及,大规模PREV的无序充电将引起用电负荷高峰,影响配电网安全。针对商业停车场环境下的PREV充电问题,首先提出一种车辆准入机制,尽可能提高车辆准入数量,并确保准入车辆能够在预定时间内完成充电需求;其次,采用基于熵权法确定适应度函数权重的遗传模拟退火算法(GASA),提出一种面向多目标优化的PREV充电调度策略,综合优化停车场运营商利润和车主充电满意度。实验结果表明,基于GASA的PREV充电调度策略性能良好,与极端情况(车辆数为600的无序充电)相比,该策略的运营商利润和车主充电满意度分别提高了12.3%和109.7%,综合适应度函数值增加了35.2%;另外,其能够有效平缓配电网负荷分布,在保障配电网安全前提下实现停车场运营商和PREV车主的双赢。