面向供需链协同的信息共享价值分配机制

为实现供需链协同,合理设计信息共享价值分配机制,针对由一个制造商、多个同质分销商、多个同质零售商所组成的三级供需链系统,从库存持有水平的角度定量分析各成员的信息共享价值.在此基础上,应用多人合作博弈理论,建立了供需链库存效益分配模型,并采用τ值法求解该模型,给出了满意、协调、协同等多种分配方案.数值实验结果表明,基于τ值法的协同分配方案能够促使供需链协同的实现.     

基于运输费用分解法的多周期随机存贮运输问题研究

在分析传统FPP方法不足的基础上， 提出了一种求解存贮运输问题的新方法——运输费用分解法. 研究了该方法的特点和适应范围， 并应用该方法求解了一类多品种多周期随机需求的存贮运输问题，构造了求解该问题的启发式算法. 实验结果表明，TCPP方法能够有效地求解复杂的多周期随机存贮运输问题.     

蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法.在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解.此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合.实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题.     

基于自适应蚁群算法的车辆路径问题研究

车辆路径问题(VRP)是物流研究领域中一个具有重要理论和现实意义的问题．蚁群算法是一种新型的模拟进化算法,可以很好地解决旅行商问题(TSP)．在分析VRP与TSP区别的基础上,构造了求解VRP的自适应蚁群算法．指出可行解问题是蚁群算法的关键问题,并重点对该问题进行了研究,提出了近似解可行化等解决策略．实验结果表明,自适应蚁群算法性能优良,能够有效地求解VRP问题．     

信息共享环境下多级复杂供需链系统的库存成本分析

以一个制造商、多个互异的分销商和多个互异的零售商组成的复杂供需链系统为研究对象,建立了供需链系统库存成本模型,对各个企业的信息共享价值进行了分析计算.结果表明,制造商和分销商均能够从共享零售商的需求信息中获利,而零售商则从信息共享中得不到任何利益,因此需要制订一定的利益分配机制,以促进供需链信息共享的实现.     

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。