粒子群算法的物流配送路径优化研究

研究物流配送路径优化问题,物流配送路径优化要找到一条配送车辆少,路径总长度最短的最优配送路线,并具有配送快速性。传统算法搜索最优路线时间长,难以找到最优配送路线,导致物流配送成本高。为了提高快速找到物流配送路径最优配送路线,提高物流服务质量,提出一种粒子群算法的物流配送路径优化方法。首先根据物流配送路径问题的数学模型,然后全局搜索速度快的粒子群算法对模型进行求解,找到物流最优配送路线,最后通过具体实例进行仿真测试,结果表明,粒子群算法不仅能够快速找到物流配送路径最优配送路线,同时获得的路长总长度最短,有效降低物流配送成本。     

基于图论的物流配送最短路径比较研究

通过实例对比分析Dijkstra算法和Floyd算法特点及适用性,选用Dijkstra算法计算物流配送的最短路径,给出Dijkstra算法求解最短路径问题的实现方法及步骤并集成了一个小型系统,使用随机生成的数据进行最短路径求解,将生成的最短路径在随机生成的图上进行演示,并计算出两种算法执行时间,以期对物流配送中点对点的最短路径有所帮助。     

基于SOM的物流配送路径优化方法研究

合理的配送路线可以提高物流配送的效率,利用SOM网络训练过程中能够保持神经元空间拓扑特性的特点求解物流配送的最优路径.在SOM网络中以任意配送节点的坐标作为输入层,以2倍于配送节点的序列为输出层.训练时,每次从路径节点中随机选取一个节点作为输入层,通过训练保证输出层的某个点与该输入点的距离最短,最终使得每个配送节点在输出层上都有与之最近的节点相对应,给出了求解最优路径的步骤,并分别针时不同的配送节点进行实验.结果表明,基于SOM最优路径算法能够以较快的收敛速度得到最优解.     

神经网络求解图最短路径问题的一种新方法*

本文给出一种求解图最短路径问题的实用反馈式神经网络，并证明这种网络的求解稳定性．这种网络基于最小值选择网而构成，对任意有向图和无向图均能收敛到其唯一的稳定点．由此求得图所有顶点对阃的最短路径及最短路径长度．本文结果是神经网络求解非NP—难解类优化问题的一种新尝试．     

基于智能Petri网的物流配送路径优化算法

基于智能Petri网构建了物流配送路径的优化模型。通过定义智能Petri网的运行规则,得到了基于智能Petri网的物流配送路径优化算法与计算流程,分析了车辆在交叉口的实际延误阻抗对配送分析的影响。该算法具有求解不需要对物流网络图作任何修改和容易实现配送过程的动态模拟的特点,利用该算法可以获取配送车辆从出发点到城市中任何一个节点的最优路径。将算例与改进的Dijkstra算法进行了对比分析,结果表明了该算法的可行性和有效性。     

求解最短路径问题的Lotka-Volterra回复式神经网络模型

有向图的最短路径(SP)问题是一个优化问题。通过构造有向图的最短路径问题的能量函数，提出了一种Lotka-Volterra (LV)回复式神经网络(RNN)模型，用于求解有向图的最短路径。当LV神经网络迭代收敛到稳定吸引子时，对应的能量函数也达到其能量最小点。因此，通过稳定吸引子可以获取最短路径。实验结果表明，利用LV神经网络模型可以有效地求解有向图中任意两个顶点之间的最短路径。     

时间依赖的网络中最小时间路径算法

时间依赖的网络与传统网络模型相比更具有现实意义，具有广泛的应用领域，交通网络和通信网络可以抽象为时间依赖的网络模型，当模型中弧的工度是时间依赖的变量，最短路径问题的求解变得非常困难，早期的研究者通过具体的网络实例认识到传统最短路径算法在这种情况下是不正确的，因此给出限制性条件使得传统最短路径算法是有效的。该文从最短路径算法的理论基础入手，从理论上证明了传统最短路径算法，如Dijkstra算法和标号设置算法，在时间依赖的网络上不能有效地求解最短路径问题，并且，在没有任何限制性条件下，给出了时间依赖的网络模型，理论基础，求解最小时间路径的优化条件和SPTDN算法，从理论上证明了SPTDN算法的正确性，算法的实验结果是正确的，最后给出了时间依赖的网络应用实例。     

基于改进遗传算法的物流配送路径求解

为提高中小企业在市场中的竞争力,提出了基于遗传算法的智能化解决方案.建立了物流配送路径问题的数学模型和求解流程,论述了基于遗传算法的物流车辆配送系统的设计与实现,详述了基于自然数编码的遗传算法在物流车辆调度中的运用等关键技术.通过模拟测试,效果良好.计算结果表明,用遗传算法进行最短路径优化,可以方便有效地求得问题的最优解或近似最优解.最后,指出了遗传算法求解物流配送路径问题的不足之处.     

利用传感器距离和能耗约束的无线传感器网络路由优化

针对大多数现有的无线传感器网络设计方法通常仅找到给定图的最短路径而导致能耗较高的问题,提出了一种寻找节点之间的最短路径和最低能耗的路由优化模型;该模型约束WSN的特定资源,考虑多种约束条件:多周期、最短距离和低能耗;根据混合整数线性规划,使用11.0 ILOG CPLEX优化引擎的ILOG OPL开发工具5.5进行编码和求解本文的优化模型;实验结果表明,在3个不同周期和约束条件下,每组实验中文章模型花费的时间均少于10 s,完全满足资源有限的无线网络应用要求;相比其他几种较新的路由优化模型,文章模型在节能和端到端延迟方面取得了更好的性能。     

路径节点驱动的低代价最短路径树算法

Dijkstra算法是一个优秀的最短路径求解算法,同时也产生一棵最短路径树SPT(shortest path tree);该算法在网络计算与优化中得到了广泛的应用.为了对最短路径树进行代价优化,提出了路径节点驱动的思想.基于这种思想设计了路径节点驱动的最低代价最短路径树算法LCSPT(least-cost shortest path tree algorithm).通过LCSPT算法一个正计算节点能够最大化与当前最短路径树中的路径共享,因而进一步优化SPT树代价性能,生成高性能的SPT树.作为算法的重要组成部分,使用数学归纳法证明了算法的正确性;从理论上分析了LCSPT算法的代价性能,以及和同类算法相比如何取得最小代价性能;同时,对其时间复杂度和空间复杂度进行了分析.最后通过3个仿真实验验证了该算法在构建SPT时的正确性和其最小代价最短路径树特性.     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

物流配送网络环境中移动代理路径寻优

将蚁群算法的基本原理用到物流配送网最短路径搜索中,对降低配送成本有重要意义。针对物流配送网带约束的路由选择问题,分析了自然界中蚂蚁卓越的选路行为,提出了一种基于ant-like移动代理的路径选择算法(ORA)。该算法利用ant-like移动代理采集物流配送网络中各节点的详细信息,以网络延迟和费用为QoS参数,建立了一个满足延迟约束达到费用最小化模型;同时采用多个ant-like代理选径策略来求路径最优解,以缩短路由重构的时间,延长了网络的生存时间。分析和仿真实验结果都证明该算法是有效的。     

考虑前置仓协作的两级生鲜配送路径优化研究

针对生鲜配送优化研究中存在的易腐烂变质、送达时效性低、物流成本高、车辆载重率低等问题,传统的配送方式难以有效适应生鲜物流,为此提出了前置仓协作的两级配送路径优化策略。考虑生鲜运输的时效性要求,结合冷藏车辆的固定成本、制冷成本、惩罚成本因素,以总成本最低为目标建立数学模型,设计改进遗传算法进行求解,并通过仿真实例验证模型和算法的有效性。结果表明,相比于前置仓传统的独立配送策略,前置仓协作的两级配送策略能够有效地降低配送成本。     

Routing with time-windows for multiple environmental vehicle types

With the goal of reducing cost, improving customer satisfaction and controlling the environmental pollution, a environmental routing optimization problem with time windows and multiple vehicle types is proposed by considering the concept of low-carbon logistics. A multi-objective vehicle routing problem (VRP) model with soft time-windows for multiple environmental vehicle types is presented, and a hybrid genetic algorithm (GA) is designed. Based on the experiments, the effectiveness of the algorithm is examined. With Pareto analysis, the relationship among the three objectives (distribution cost, customer satisfaction and environmental pollution) is examined. Sensitivity analysis is conducted to identify the influence of different type vehicle on the environmental performance. The results shows that the vehicle speed has strong correlation with the operation cost and environmental pollution, while the load capacity affects the operation cost, customer satisfaction and environmental pollution.     

B2C环境下带预约时间的车辆路径问题及多目标优化蚁群算法

根据B2C(商家对客户)电子商务环境下物流配送的特点建奇=了带预约时间的车辆路径问题(VRP)数学模型,设计了求解多目标优化的蚁群算法,各个目标具有相同的重要性.在蚁群的状态转移概率中引入预约时间窗宽度及车辆等待时间因素,记录优化过程中产生的Pareto最优解,用Pareto最优解集来指导蚁群的信息素更新策略.采用改造...     

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。     

多中心半开放式送取需求可拆分的车辆路径优化

针对多中心半开放式送取需求可拆分的车辆路径问题,构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解,采用二维染色体编码及顺序交叉策略,同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力,通过算例对比验证了所提模型与算法的有效性。算例实验表明,大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定,同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题,还可为相关快递物流企业配送优化提供决策参考。     

物流配送中烟花算法结合遗传算法的异质车队路径优化方法

针对物流配送中车辆路径的问题,提出一种烟花算法结合遗传算法的物流配送异质车队路径优化方法。根据优先聚类其次路径的两阶段构造理论将新型群体智能算法烟花算法与遗传算法进行有效结合,首先按运力空间划分聚类区域,并采用改进的遗传算法解决为客户分配车辆的问题,然后通过采用烟花算法对路径排序实现本地路径优化。将该方法的实验结果与经验结果进行了比较,结果表明,所提出的混合算法模型得到的实验结果优于经验结果。     

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.     

A memetic algorithm for the capacitated location-routing problem with mixed backhauls

The design of distribution networks is one of the most important problems in supply chain and logistics management. The main elements in designing a distribution network are location and routing decisions. As these elements are interdependent in many distribution networks, the overall system cost can decrease if location and routing decisions are simultaneously tackled. In this paper, we consider a Capacitated Location-Routing Problem with Mixed Backhauls (CLRPMB) which is a general case of the capacitated location-routing problem. CLRPMB is defined as finding locations of the depots and designing vehicle routes in such a way that pickup and delivery demands of each customer must be performed with the same vehicle and the overall cost is minimized. Since CLRPMB is an NP-hard problem, we propose a memetic algorithm to solve the problem. To evaluate the performance of the proposed approach, we conduct an experimental study and compare its results with the lower bounds obtained by the branch-and-cut algorithm on a set of instances derived from the literature. Computational results indicate that the proposed approach is able to find optimal or very good quality solutions in a reasonable computation time.