循环取货带有时间窗约束的入库道口车辆调度

研究了循环取货模式下带有时间窗约束的入库道口车辆调度问题,为使车辆运输成本和取货时间成本、卸货时间成本最小,建立混合整数规划数学模型,设计了两阶段算法求解模型,第一阶段产生满足容量约束的较好初始解,第二阶段通过发车时间与路径同时编码的模拟退火算法进行求解,根据某汽车制造商循环取货的实际运作情况,构造算例并验证了该模型和算法的有效性。结论表明,制造商处的道口限制对循环取货发车时间与路径调度有较大影响,同时对发车时间和路径进行调度更有利于降低循环取货的运输费用。     

配载约束下双向搜寻节点的车辆路径问题

目的 研究三维装箱约束的车辆路径问题,即在给定车辆中尽可能多地装入货物且保证车辆行驶路线最优。方法 提出基于双向搜寻路径节点规则的智能水滴节约算法来求解车辆路径问题,并采用基于虚拟组合块的启发式算法来求解装箱问题。结果 通过数值算例检验,混合算法使车厢的平均空间利用率达到了76.14%,并确定了最优行驶路线。结论 基于双向搜寻路径节点规则的智能水滴节约算法可找出最优的行驶路线,而基于虚拟组合块的启发式算法也能合理放置货物,得出较优的装载方案。     

基于混合模拟退火算法的多阶段库存路径问题研究

研究单个集散点与多个客户之间的运输问题,综合考虑物流系统的库存成本、运输成本以及卡车的租用成本等因素,以实现总费用的最小化,并将其抽象成多阶段库存路径问题。以每个时间阶段各个客户的订购量为研究对象,采用混合模拟退火算法进行求解,算法中加入了C-W节约算法产生初始解,通过多路径的插入与交换操作来对初始可行解进行改进。数值实验证明了库存路径问题得到的解要优于一般的车辆路径问题得到的解,本文还对库存路径问题中的单位货物库存成本专门进行了分析研究,以确定其取值范围对物流系统总费用的影响。     

车辆战术储备器材包装单元装载优化研究

目的通过对车辆战术储备器材包装单元化装载问题展开研究,为提高部队车辆战术储备器材包装单元装载能力提供技术与方法依据。方法分析装载优化模型的空间、质量、装载平衡和摆放稳定性等主要约束以及约束的处理方法,运用启发式算法对模型求解流程进行合理设计,并提出启发式算法和遗传算法相结合的混合遗传算法,以托盘装载为例说明具体装载过程。结果算例结果表明,托盘空间利用率达到了98.3%以上,装载单元集装稳定性高。结论该算法可减少装载容器数量,提升容器装载能力,优化器材包装单元装载,对提高车辆战术储备器材快速保障能力具有重要意义。     

基于混合算法的单堆垛机多巷道拣选作业调度研究

针对单堆垛机在多巷道自动化仓库中的拣选路径规划问题,建立了求解含周转箱约束的堆垛机拣选作业最短路径数学模型,提出用遗传模拟退火混合算法进行求解。通过Matlab分别对不同算法进行实例仿真,结果表明：该混合算法克服了遗传算法早熟,以及模拟退火算法收敛性慢的缺点,求出的解更优,收敛速度更快,稳定性更好。该混合算法具有可行性和高效性。     

面向快递同城运输的车辆路径问题研究

为降低运输成本,研究了快递同城运输中的车辆路径问题。建立多车型,含时间窗约束、容量约束、车辆限行约束,并考虑错峰交货的,以最小化运输成本为目标的混合整数规划模型。提出以点到点集的距离之和作为邻域搜索优先指标的构造性启发式算法,设计了基于“路径−车型对”的列生成算法,初始列由启发式算法求得。实验结果显示,对于120个点的大规模问题,列生成算法只需175秒就能得到近似最优解,验证了该算法的有效性及对一定规模内快递同城运输问题的适用性。     

基于混合整数规划的工厂产品托盘打包及装箱问题研究

目的 针对工厂产品的托盘打包及装箱问题,提出一种优化产品在托盘上的布局以及托盘与产品整体在集装箱中的布局方法,以最大化集装箱的空间利用。方法 在满足现实约束的条件下,以最大化产品装载体积为目标建立混合整数规划模型。考虑问题的复杂性,本文将所研究的问题分解为2个子问题,并建立两阶段装载模型进行求解。第1阶段,建立二维集装箱装载模型,确定多种托盘类型在集装箱底面的平面布局;第2阶段,建立三维托盘装载模型,确定产品在托盘上的立体布局。鉴于精确求解该问题耗时较大,本文针对2个子问题设计两阶段启发式算法求解。为验证模型及算法的有效性,采用2组不同规模大小的算例进行测试。结果 算例结果表明,在小、大2种规模算例中,装载率平均差值分别为0和-0.5%,计算时间相差较大,本文提出的模型及算法在合理的时间内获得了最优解或近似最优解。结论 本研究能够为工厂产品的托盘打包及装箱提供快速高效的解决方案。     

基于动态需求的带时间窗的车辆路径问题

针对动态需求下的带时间窗的车辆路径问题,在最小化配送成本的目标下,通过提升服务的准时性来改进顾客满意度。考虑两阶段规划策略:在初始规划阶段,采用改进的遗传算法获得初始车辆路径;在动态优化阶段,将动态需求过程转化为多个瞬时静态子过程,采用模拟退火算法得到实时优化后的车辆路径方案。在一个实际案例中的应用和求解,证明了方法的现实有效性。     

求解矩形布局问题的自适应算法

矩形布局问题属于NP-Hard问题,其求解算法多为启发式算法。该文侧重于构造布局求解算法中定位函数(规则)的优化,将模拟退火算法的思想融入到遗传算法中,提出了求解矩形布局问题的自适应算法,其利用自适应交叉、变异及接收劣质解的概率等方法对定位函数中各参数进行优化。算法通过两种方式确定初始种群的数目,具有较强的适应性。在算法搜索的后期,利用差异性较大的个体进行交叉操作,从而保持种群的多样性。最后通过实例证明了该算法能够很好的应用于矩形布局问题的求解。     

考虑装载顺序约束的航空货物装箱问题研究

目的 以航空货运背景下流水线上货物的装箱问题为研究对象,旨在最大化地利用集装箱装载空间.方法 在考虑货物装载顺序、质量、体积、不重叠、稳定性等一系列现实约束的条件下,建立集装箱堆码模型,设计一种拟人启发式与遗传相结合的组合启发式算法.首先通过设定规则并赋予权重,得到有序可放置点集合,采用拟人启发式算法构建货物装载策略,得到初始装箱方案;然后通过遗传算法中的交叉、变异操作对方案进行寻优,在可行方案中选出集装箱空间利用率最大的装箱方案;最后采用某机场物流公司的实际货物数据进行实验,并实现装载方案的可视化.结果 相较于混合模拟退火算法,组合启发式算法收敛性好,搜索速度快,能够在较短的时间内得到空间利用率较高的装载方案,货物垛形规划更为紧凑,稳定性更高.结论 所提算法对于不同种类的货物有着更好的适应性,能够实现强异构货物的合理布局,保证了货物装载过程中垛形的稳定性,可为航空货物装箱问题的工程应用提供参考.