多配送中心下生鲜农产品同步取送选址-路径优化

多配送中心下生鲜农产品配送工作中配送中心选址和车辆取送是两项最为重要的工作，故本文研究带同步取送的生鲜农产品选址?路径问题。首先，建立考虑车辆容量、货物作业时间、取送作业时间窗等约束条件的非线性规划模型，模型以各配送区域内产生的运输成本、惩罚费用、货损费用总和最小为目标函数。然后，根据模型特点设计融合中心评估指数和改进遗传算法的启发式算法，算法先利用中心评估指数确定配送中心和车辆的配送区域，将区域划分的信息传递给改进遗传算法进行各区域内的路径优化。最后，通过对比取送分离和同步取送两种配送方式验证本文提出的配送模式及模型是合理有效的，可为企业的生鲜农产品配送提供决策依据。     

生鲜电商配送的TDVRPTW研究: 基于经济成本与环境成本兼顾的视角

基于经济成本与环境成本兼顾的视角,研究时变网络下生鲜电商配送的带时间窗车辆路径问题(TDVRPTW),综合考虑车辆时变行驶速度、车辆油耗、碳排放、生鲜农产品的易腐易损性、客户时间窗与最低新鲜度限制等因素,设计跨时间段的路段行驶时间计算方法,引入农产品新鲜度度量函数与碳排放率度量函数.在此基础上,以经济成本与环境成本之和最小为目标构建具有最低新鲜度限制的TDVRPTW数学模型,并根据模型特点设计一种自适应改进蚁群算法求解.最后采用案例验证所提出方法能有效规避交通拥堵时间段、降低总配送成本、促进物流配送领域的节能减排.     

基于时间窗和温度控制的生鲜商品物流配送优化方法

针对生鲜商品物流配送优化研究在对客户需求时间窗和生鲜商品温度控制合理结合方面存在的不足,考虑生鲜商品存在配送时效性强的特征,构建生鲜商品配送的物流成本和生鲜商品价值损失最小的双目标优化模型.首先,建立包含生鲜配送车辆的运输成本、温控成本、违反时间窗的惩罚成本的物流成本模型,并建立基于温度控制的生鲜价值损失模型;然后,根据模型特点设计考虑客户空间位置、需求商品温度控制和时间窗约束的改进K-means聚类算法,进而提出一种GA-TS混合算法,该算法结合遗传算法(GA)的全局搜索能力和禁忌搜索算法(TS)的局部搜索能力,通过与HGA算法、MO-PSO算法和IACO算法的对比分析,对模型及算法的有效性进行验证;最后,通过敏感度分析得到最佳生鲜商品配送温度和最佳聚类方案数,研究结果表明模型和算法是合理有效的,可为物流企业的生鲜商品配送优化提供参考和决策支持.     

生鲜电商配送的开放式时变车辆路径问题研究

针对生鲜电商配送的“最后一公里”难题,考虑到生鲜农产品的易腐易损性与生鲜电商通常采用普通车辆配送等现实情况,引入常温条件下生鲜农产品的鲜活度度量函数;分析城市路网的时变特性,设计时变路网条件下的车辆行驶时间计算方法;综合考虑客户需求量、时间窗、生鲜农产品送达客户时的鲜活度、开放式车辆路径与车辆灵活出发时间等因素,以总配送成本最小为目标构建具有鲜活度限制的开放式时变车辆路径问题优化模型,并根据模型特点设计一种改进蚁群算法求解。仿真实验结果表明：与封闭式车辆路径策略相比较,基于开放式车辆路径策略的改进蚁群算法能有效降低生鲜电商的总配送成本,减少车辆使用数量,缩短车辆行驶距离,具有合理性与可行性。     

考虑末端配送方式感染风险及消费者满意度的车辆路径问题研究

在商品供应链中，生鲜配送成本过高是亟需解决的问题。本文考虑疫情的感染风险对生鲜配送路径优化问题展开研究，以最小化物流成本和最小化感染风险为目标构建模型，设计优先级三层编码方法，使用NSGA-Ⅱ求解问题。在此基础上，增加逆序邻域策略改进NSGA-Ⅱ，提高算法的收敛性。最后进行数值实验，验证了模型的可行性以及改进算法的优越性。     

生鲜食品冷链低碳物流配送路径优化研究

基于冷链物流配送车辆节能减排的必要性，在考虑固定成本、运输成本、时间窗惩罚成本以及制冷成本的基础上增加碳排放成本，建立了以配送总成本最小为目标函数的冷链物流配送模型，提出了一种解决该问题的改进蚁群算法，并使用算例验证了模型和算法。实验结果表明，该模型和算法有效，可以为物流企业的配送决策提供参考。     

考虑时效性和品质性满意度约束的易腐品冷链物流配送

针对易腐品冷链配送环节存在的成本高、碳排放量大、客户满意度低等问题,从易腐品配送的时效性和品质性两方面度量客户满意度,并以此为约束考虑配送过程中的固定成本、运输成本、货损成本、制冷成本、惩罚成本以及碳排放成本,构建以总成本最小为目标的易腐品冷链配送车辆路径优化模型,设计改进遗传算法求解优化模型,分析求解算法的复杂度.数值实验结果表明,所设计的求解算法总能获得总成本更低、产品新鲜度更高以及碳排放量更少的配送方案,同时表明改进的遗传算法相比于传统遗传算法在成本节约以及客户满意度提高方面具有一定优势,在一定程度上验证了所建模型的合理性及求解算法的有效性.     

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。     

北京市生鲜农产品配送现状研究

随着人们生活水平的提高以及对食品安全意识的日益重视,消费者越来越关注生鲜农产品的安全性及消费的即时性、便利性。由于生鲜农产品具有易损、易腐烂的特性,在生鲜农产品物流成本中,配送成本占很大比重。因此加强对生鲜农产品流通和配送过程的研究,提高物流配送水平和效率,降低配送成本,保障生鲜农产品流通安全,对服务首都百姓、繁荣首都经济、保障首都人民生活水平具有较强的现实意义。     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

基于改进遗传算法的生鲜多目标闭环物流网络模型

针对生鲜产品闭环物流网络中存在的经济成本高、碳排放量大、社会效益重视不足等问题,综合考虑退货量的不确定性,以经济成本最小、碳排放最小、社会效益最大为目标,建立了不确定条件下的生鲜多目标闭环物流网络模型。首先,利用改进的遗传算法(GA)求解该模型;然后,结合上海某生鲜企业运营管理数据,验证了模型的可行性;最后,将改进的GA的结果与粒子群优化(PSO)算法的结果对比,验证了算法的有效性,凸显了改进的GA在求解多目标的复杂约束问题时的优越性。算例结果表明,多目标优化满意度达到0.92,高于单目标优化满意度,展示了所提模型的有效性。     

考虑碳排放的物流网络优化模型研究

考虑碳排放的物流网络优化问题, 分两阶段建立考虑碳排放的配送中心选择与需求匹配模型和碳排放成本最小的配送路径优化模型, 通过两阶段模型的配合使用, 解决了物流网络中配送中心选址、不同物流节点间的需求匹配以及配送车辆路径优化等多种决策问题。对“考虑碳排放”与“不考虑碳排放”情况进行Lingo软件的数值分析, 结果表明：考虑碳排放的物流网络综合物流成本明显降低, 比不考虑碳排放的传统方法更具现实意义。     

碳排量最小的车辆路径优化问题研究

在经典的车辆路径优化模型的基础上考虑碳排量,建立了碳排量最小的车辆路径优化模型。在设计模型求解算法时,对传统的遗传算法从染色体结构、染色体交叉方式等方面进行了改进。结合算例对模型和算法进行了计算和仿真,取得了较好的结果。     

低碳环境下闭环供应链网络设计多目标鲁棒模糊优化问题

针对低碳环境下多级闭环供应链网络设计的战略定位和配置问题,综合考虑网络参数的模糊性以及多产品流,以供应链网络的总成本和总碳排放最小为目标,建立多目标鲁棒模糊优化模型.该模型将机会约束的最低置信水平作为决策变量,实现目标函数期望值、最优鲁棒性和可行鲁棒性之间的有效平衡.最后,设计一种基于必要性测度的交互式$\varepsilon$约束模糊求解方法,并通过算例验证所提模型和算法的有效性和可行性.     

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,促进物流配送企业的节能减排.     

基于混合蚁群算法的异质车队低碳VRP研究

针对货运车辆在配送调度过程中产生大量碳排放的问题，建立模型将多种影响碳排放量的因素协同优化。模型中考虑了不同载重量的异质车队，两个节点之间有多条道路的柔性路径，以及车辆重量随卸货而减少的动态负载等因素，以碳排放量、行驶时间和行驶路程为优化目标，并加入了节点需求时间窗、根据速度变化划分路段、交接和卸货时间的约束。提出了一种混合蚁群算法，利用蚁群算法信息素强度更新方式保持群体记忆性，利用粒子群算法的快速收敛特性增加计算效率。通过随机数值算例的仿真优化与对比分析，验证了算法和模型的有效性。     

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.     

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。