改进樽海鞘算法求解带时间窗的应急选址路径问题

目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法（NSGA-Ⅱ）的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。     

危化品事故连续消耗型应急物资调度模型

应急物资调度是危化品事故应急救援工作的关键内容,危化品事故会对周边区域造成环境污染,其应急物资调度问题应该考虑多个目标。针对危化品事故应急物资调度特征,建立了连续消耗应急物资调度多目标模型。模型以缺货损失最小、调运时间最短和调运总环境风险最小为优化目标,考虑应急中心物资数量限制和救援时间限制等约束条件,采用NSGAⅡ遗传算法求解。对于求解结果,采用逼近理想解的排序方法进行选择。算例计算结果表明,多目标模型优化方案比单目标模型优化方案有较大的优势,同时说明算法合理可行。     

基于多品种应急物资配比打包的运输规划模型

为解决多品种应急物资配送结构不均衡问题,研究建立多品种物资配比运输数据库,并基于混合整数非线性规划方法建立地震初期的多品种物资配比打包调运模型。该模型在物资运输中考虑多种物资间配比及多运输方式联合运输,将物资运输分为两阶段,分别以整体时间效益最大、整体满意度最大为目标。结合案例使用MATLAB编程运用遗传算法对该模型求解,实现多品种应急物资配比打包运输。     

基于双层混合联运的震后应急物资配送模糊多目标优化

为提高震后应急救援效率并减少应急消耗费用,以所有受灾点未满足物资需求之和最小、送达速度最快以及应急总费用最小为目标,建立应急物资需求模糊情况下包含应急中转站的混合联运多目标优化模型,并运用基于矩阵编码的混合遗传算法求解,最后以汶川地震为例,验证了该模型和算法的收敛性较好且运行效率较高。因此,该模型和算法有效,可为实际应急提供指导。     

基于工作负荷均衡的车辆拯救设施选址

交通事故车辆的拯救设施选址是车辆拯救服务的重要问题,选址不当易造成车辆拯救行业服务效率低下、市场行业的不规范、利益不均等一系列问题。针对这类问题,分析了俱乐部和政府引导两种服务模式下的拯救设施选址特点,并提出了针对车辆拯救的工作负荷概念。在不确定性救援路径行程时间条件下,建立以负荷均衡为目标的车辆拯救设施选址模型,以提高设施站点的运营效率和实现车辆拯救企业间的利益平衡。采用三种染色体形式的混合编码和随机模拟方法,设计基于遗传优化的求解算法。最后,通过仿真实例验证了算法的有效性。     

考虑时效性与公平性的应急物资选址配送问题及算法研究

为了应对应急救灾初期资源储备不足的情况,本文提出了一个兼顾时效性与公平性的多目标应急救灾物资的选址—配送模型。其中一个目标为总体成本,包括时间成本、运输成本和配送中心运营成本,另一个目标是物资短缺数量,将物资分配与灾区紧迫程度结合,以期实现最大化的公平。同时提出了一个多目标超启发式优化框架来解决所提多目标问题。在该框架中,提出了3种高层选择策略和4个接受准则,以提高多目标超启发式框架的性能。通过实验,确定了模型参数,证明了所提模型的有效性。并引入3个评价指标,实验对比分析表明所提多目标算法在3个评价指标上优越于NSGA-II以及多目标粒子群算法(MOPSO)。     

突发性公共事件下应急物资分级协同配送研究

为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM (Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm, GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明：LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。     

基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题

目的 针对当前生鲜商品配送效率低和成本高等问题,采用车仓温度可控的多仓车辆作为配送装备,并结合时间窗等约束,研究基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题。方法 建立最小化物流运营成本和车辆使用数量的双目标模型,然后设计基于Clarke-Wright节约算法的非支配排序遗传算法（CW-NSGA-Ⅱ）求解该模型。利用CW节约算法生成初始配送路径,以提高初始解的质量,并设计精英迭代策略,以提高算法的寻优性能。结果 基于改进的Solomon算例,将文中所提算法与多目标粒子群算法、多目标蚁群算法、多目标遗传算法进行了对比,验证了CW-NSGA-Ⅱ算法的求解性能。结合实例,对多仓车辆使用数量、温控成本和运营成本等指标进行对比分析,结果表明,经优化后多仓车辆使用数量减少了35.7%,温控成本减少了39.2%,物流运营总成本减少了47.7%。结论 文中所提模型和算法能够有效优化配送路径,降低运营成本,为构建高效率、低成本的生鲜配送网络提供了理论支持和决策参考。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

生鲜农产品配送中带时窗的VRP模型与算法

针对生鲜农产品配送时效性强的特点,应用模糊隶属度函数表示的时间窗反映客户满意度,引入生鲜度损耗系数反映农产品价格随时间推移而下降的特性,在此基础上,考虑配送总成本和顾客满意度两个目标,建立了生鲜农产品配送路径多目标优化模型,设计了求解模型的智能算法,并用算例对模型及算法的有效性进行验证,同时对模型参数进行了敏感性分析。研究结果表明:所建立的模型及设计的算法是有效的,可以为生鲜农产品车辆配送路径优化决策提供理论依据和实践指导。     

考虑碳排放的冷链物流联合配送路径优化

基于绿色物流发展理念,将碳排放转化为成本融入冷链物流配送路径优化问题。结合冷链物流企业拥有多个配送中心且各配送中心在各决策阶段运力不均衡的实际情况,提出一种在企业拥有多个配送中心、有限车辆数且各车辆可回到任一配送中心继续配送的情况下,考虑时间窗、碳排放成本和货损成本的冷链物流联合配送路径优化模型。通过引入一个虚拟车场将多配送中心问题转化为单配送中心问题,采用改进遗传算法求解路径优化问题。通过算例将传统分区配送方式与联合配送方式的路径优化结果比较发现:联合配送不仅在冷链配送费用方面远远低于传统分区配送,而且产生的碳排放成本也低于分区配送。     

考虑顾客满意度的生鲜外卖路径规划

生鲜外卖超时送达严重影响顾客满意度,而保障顾客满意又会大幅增加配送成本,顾客满意度和配送成本间存在背反。基于商家自营生鲜外卖模式,以配送成本最低和顾客满意度最高建立多目标优化模型,针对生鲜外卖特点设计货损成本及模糊时间窗计算方法,使用改进的遗传算法进行路径规划,避免了传统遗传算法容易陷入局部最优的缺点,平衡了配送成本和顾客满意度这两个目标。与节约里程算法对比证实模型及算法的有效性,再以盒马鲜生门店作为实例,通过真实路网条件下的位置信息,采用上述方法进行求解,得到配送成本和顾客满意度的最优组合。     

基于时空网络模型的灭火救援路径优化方法

为火灾救援现场配置合理的灭火救援路径,是最大限度提高救援效率、提升救援效果的关键。该文以灭火救援路径优化方法为核心研究内容,首先从救援时间和救援距离2个约束出发,构建灭火救援路径的时空网络模型。针对时空网络模型进一步提出基于遗传算法的灭火救援路径优化方案,在给出具体的求解流程以后给出了一个实例用来求解遗传算法求解过程中的编码设计、初始种群生成、对应灭火救援实际问题。灭火救援路径优化测试试验证明了该文构建的时空网络模型和遗传算法路径优化方法的有效性。     

考虑时间窗的船用钢材加工配送中心选址规划

船用钢材加工配送中心选址规划是钢材供应链优化设计研究的重要内容。针对船用钢材配送不及时,难以满足多规格成套配送需求问题,建立了包含惩罚成本的多配送中心选址规划模型。该模型以钢材运输成本、配送中心运营固定成本和变动成本、配送不及时惩罚成本之和作为优化目标,综合考虑了配送中心容量约束、船厂对于钢材配送的时间要求,以某造船集团为例进行算例分析,结果表明:采用差分改进粒子群算法求解比传统分支定界法得出的选址规划结果更有效。     

基于改进萤火虫算法的应急救援中心选址

引用双层规划理论,以应急救援车辆行驶时间最短和救援体系总成本最少为目标,考虑时变条件下道路拥堵情况,建立双层规划选址模型;在基本萤火虫算法的基础上将萤火虫个体的位置更新公式中添加线性递减权重函数,提出惯性权重萤火虫新算法;通过设计应急救援算例,利用双层规划模型和惯性权重萤火虫新算法进行算例的求解,得出算例求解结果并验证新算法在寻优过程中的优越性。     

多类型现金的押运路线问题

以现金物流为研究背景,提出了一种基于在途风险的多类型现金的押运路线优化问题,以新币配送均衡、旧币回收和在途风险减少为优化目标,建立了相应的混合整数规划模型,并设计了一种混合禁忌搜索算法进行求解,其中禁忌搜索算法用以确定路线决策,嵌入的精确算法、贪心算法和混合贪心算法用以确定新币配送决策、旧币回收决策和风险决策。数值实验对问题特性和算法性能进行了分析,结果表明:(1)新币券别均衡优化和旧币回收导致在途风险增加;(2)混合禁忌搜索算法能求解更大规模的问题,并得到较好的解,嵌入算法很好地平衡了运行时间和求解质量。     

综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型

研究应急物资储备库选址理论和方法在应对当前频发的重大突发事件具有重要的现实意义和理论价值。针对现有设施选址理论存在的局限性,提出综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型。在分析应急物资储备库选址影响因素的基础上,构建应急物资储备库选址评价指标体系,运用模糊TOPSIS方法对候选应急物资储备库进行初选;基于"备用覆盖"和"部分覆盖"思想,建立应急物资储备库多级覆盖选址模型,运用遗传算法对模型求解,确定最终选址方案;以一个算例对算法进行验证,分析了算法的有效性。     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

考虑顾客满意度的生鲜外卖路径规划北大核心

生鲜外卖超时送达严重影响顾客满意度,而保障顾客满意又会大幅增加配送成本,顾客满意度和配送成本间存在背反。基于商家自营生鲜外卖模式,以配送成本最低和顾客满意度最高建立多目标优化模型,针对生鲜外卖特点设计货损成本及模糊时间窗计算方法,使用改进的遗传算法进行路径规划,避免了传统遗传算法容易陷入局部最优的缺点,平衡了配送成本和顾客满意度这两个目标。与节约里程算法对比证实模型及算法的有效性,再以盒马鲜生门店作为实例,通过真实路网条件下的位置信息,采用上述方法进行求解,得到配送成本和顾客满意度的最优组合。     

不确定环境下应急设施选址问题两阶段鲁棒优化模型

对于应急物流管理而言,应急物资集散中心选址是一个重要的决策要素。针对应急突发事件的不确定性特征,本文提出了一个应急设施选址问题两阶段鲁棒优化模型,以实现“预选址-重选址”两者的协同优化。第一阶段在需求和成本变动、设施损毁存在不确定因素的情况下,综合考虑选址策略在灾前规划、灾后反应、设施重建阶段的不同需求,建立了一种基于p-center的鲁棒“预选址”模型;第二阶段针对灾后新信息的获得,建立了一种基于反应式修复和调整策略的新建设施“重选址”模型。算例分析表明,本文模型对于应急设施选址问题比传统p-center模型更为合理有效