外部承运人可供选择的车辆路径问题的研究

在协同物流的大趋势下,协同运输已成为了一种非常重要的运输方式。协同运输主要包括联盟内个体的自身资源整合以及联盟内各个企业的协同合作。在多个企业进行合作时,为了节约成本,可以有选择地将顾客委托给外部车场进行服务,这就是外部承运人可供选择下的车辆路径问题。目前,该问题的研究比较少.本文对外部承运人可供选择的车辆路径问题进行了分析研究,建立了该问题的数学模型并利用粒子群算法进行了求解。     

基于动态聚类混合拓扑结构粒子群算法的PDVRPTF

经典物流配送模型的目标、约束条件不够全面,在实际应用中存在一定缺陷,对此,构建了时间窗和油耗取送一体化的物流配送路径优化模型（PDVRPTF）.设计了一种基于k-medoids动态聚类混合拓扑结构粒子群算法,解决了经典粒子群算法在求解此类模型时容易陷入局部最优解的问题.仿真结果表明,改进型粒子群算法能很好地跳出局部最优解,并快速收敛于全局最优解,且该算法可有效求解物流配送路径优化的问题.     

B2C在线订单履约的动态时隙规划研究

在电子履约环境下,网络零售商如何合理规划各地区时隙分配是实现运输成本最小化的关键因素之一。区别于传统的带时间窗的路径规划问题,从需求管理的角度解决时隙管理问题,权衡提高顾客服务水平与总成本最小化间的关系。为了解决时隙管理问题建立两个数学模型,即整数规划模型和连续逼近模型,分别采用Lingo求解器和粒子群算法求解。然后,改变需求量、车辆运输能力和顾客服务水平等因素,分析环境变化对总运输成本、平均运输时间和平均运输距离的影响。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

车辆路径问题的微粒群算法分析与设计

车辆路径优化问题是一类具有重要实用价值的组合优化问题,微粒群算法是一种新的群体智能优化方法。该文在构造车辆路径问题的粒子表达方法基础上,分析了不同参数条件下微粒群算法求得此问题的情况。仿真结果表明微粒群算法可以快速、有效地得到问题的最优解,是求解车辆路径问题的一个较好方案。     

软时间窗和匹配运输下的供应链配送网络优化

针对客户和供应商匹配运输下的供应链配送网络优化问题,在模型中加入客户软时间窗约束、车辆最大行驶距离约束以及设施容量约束,建立了全新的0—1整数规划模型,采用基于整数编码和交换序的离散粒子群优化算法来求解。通过算例将标准粒子群算法（PSO）、局部版粒子群算法（LPSO）和离散粒子群算法（DPSO）的运行结果进行比较,结果表明,DPSO算法可以减少迭代次数,并获得问题的最优解。     

基于改进ACO与PSO算法的结构可靠度分析

针对基本蚁群算法的过早收敛问题,引入信息熵,通过优化参数 ,对基本蚁群算法进行改进,进而寻找结构的最短失效路径。从可靠指标的几何意义出发, 利用罚函数法, 将结构可靠指标的求解问题转化成相应的无约束优化问题,采用粒子群算法对结构可靠指标进行求解计算。以十杆桁架为例,采用响应面法、遗传算法与本算法对结构可靠指标进行对比计算,结果表明改进蚁群与粒子群算法的收敛速度快,计算精度高。     

柴油机燃烧产物的扰动粒子群求解方法

针对内燃机燃烧产物平衡浓度求解的难题,本文使用平衡常数法将燃烧产物平衡浓度的求解转化为求解非线性方程组。对此非线性方程组使用二范数格式转化为无约束条件下的优化问题,以获得更强求解能力和避免矩阵奇异。在基本粒子群算法的基础上,将粒子初值由随机自由分布修改为在给定初值附近分布以加快收敛速度。在全局搜索过程中增加搜索路径扰动以增强全局搜索能力。使用扰动粒子群算法可成功用于内燃机氮氧化物生成预测,收敛精度可达10-10量级,且实现简单、全局收敛能力强。通过对比Newton-Raphson算法、粒子群算法和STANJAN算法发现,扰动粒子群算法的收敛精度更高且具有更好的稳定性。     

基于改进粒子群算法的无人机路径规划研究

将复杂网络理论应用于粒子群算法改进,提出了一种改进粒子群算法,通过自适应惯性系数方法自动调节惯性系数,增强算法的收敛性能.仿照Voronoi图理论,用可行路径网络结构图表示已知威胁分布情况,采用Dijkstra算法粗略搜索威胁分布图,求得粗略最短路径.在粗略最短路径的基础上,通过改进粒子群算法和最小二乘法拟合求解最优路径.用MATLAB进行了仿真验证,仿真结果表明了算法的有效性和无人机路径规划的合理性.     

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题（LRP）是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.     

基于PSO的军械紧急调运决策优化

已有军械调运模型的优化算法的实现较为复杂，不能适用于涉及供应点较多的军械调运问题，针对这一不足，采用了PSO算法对军械调运决策进行智能优化，发挥了PSO算法概念简单、容易实现而又功能强大的特点，较好地解决了涉及供应点较多的军械紧急调运决策优化问题。结合一个仿真算例，表明了采用基于PSO的军械调运决策优化算法的有效性。     

求解平衡运输问题的改进遗传算法

采用改进遗传算法求解平衡运输问题,针对平衡运输问题及其数学模型,应用改进的选择算子、交叉算子、变异算子和自适应交叉概率与变异概率等遗传算法机制,通过实例表明,该算法在求解平衡运输问题上的优越性.     

轴辐式网络快递货运问题的混合遗传算法求解

目前具有区域集散地群的轴辐式网络快递货运是快递运输的主要形式。此类网络的物流优化1＂-3题是快递公司获得最佳效益所面临的关键问题。本文分析了轴辐式网络快递货运的特点,提出了单一轴点轴辐式网络快递货运问题的混合遗传算法求解办法。该算法采用混合编码方式,并将货运站车辆调度算法嵌入到遗传算法中形成混合遗传算法。实验结果表明,本文算法给出的轴辐式网络快递货运集散地群划分方案和货运站车辆调度方案合理可行,能达到节省运营成本的目的,从而使企业获得较好的经济效益。     

Optimization for vehicle scheduling in iron and steel works based on semi-trailer swap transport

In order to solve internal logistics problems of iron and steel works, such as low transportation efficiency of vehicles and high transportation cost, the production process and traditional transportation style of iron and steel works were introduced. The internal transport tasks of iron and steel works were grouped based on cluster analysis according to demand time of the transportation. An improved vehicle scheduling model of semi-trailer swap transport among loading nodes and unloading nodes in one task group was set up. The algorithm was designed to solve the vehicle routing problem with simultaneous pick-up and delivery (VRPSPD) problem based on semi-trailer swap transport. A solving program was written by MATLAB software and the method to figure out the optimal path of each grouping was obtained. The dropping and pulling transportation plan of the tractor was designed. And an example of semi-trailer swap transport in iron and steel works was given. The results indicate that semi-trailer swap transport can decrease the numbers of vehicles and drivers by 54.5% and 88.6% respectively compared with decentralized scheduling in iron and steel works, and the total distance traveled reduces by 43.5%. The semi-trailer swap transport can help the iron and steel works develop the production in intension.     

一种求解汽车整车混载算法研究

运用改进的C—K节约算法的基本思想,将汽车整车装载与运输路线优化问题相结合统筹考虑,设计一个有效的启发式算法,求解运输车辆的多种车型合理配载及发运路线优化问题,得到较优解,在运输任务要求的时间内使运输费用降到最低,有效地解决汽车整车物流中多种车型的混装运送问题。     

A hybrid discrete particle swarm optimization-genetic algorithm for multi-task scheduling problem in service oriented manufacturing systems

To cope with the task scheduling problem under multi-task and transportation consideration in large-scale service oriented manufacturing systems(SOMS), a service allocation optimization mathematical model was established, and then a hybrid discrete particle swarm optimization-genetic algorithm(HDPSOGA) was proposed. In SOMS, each resource involved in the whole life cycle of a product, whether it is provided by a piece of software or a hardware device, is encapsulated into a service. So, the transportation during production of a task should be taken into account because the hard-services selected are possibly provided by various providers in different areas. In the service allocation optimization mathematical model, multi-task and transportation were considered simultaneously. In the proposed HDPSOGA algorithm, integer coding method was applied to establish the mapping between the particle location matrix and the service allocation scheme. The position updating process was performed according to the cognition part, the social part, and the previous velocity and position while introducing the crossover and mutation idea of genetic algorithm to fit the discrete space. Finally, related simulation experiments were carried out to compare with other two previous algorithms. The results indicate the effectiveness and efficiency of the proposed hybrid algorithm.     

生枝-剪枝算法在专用道设置问题中的应用

专用道设置问题中,将运输任务限定为一个,从而将问题转化为带约束条件的动态最短路径问题。针对该问题的实际特点,设计了生枝-剪枝算法。该算法的核心思想是:穷举所有从起点开始的行驶路径(生枝过程),然后利用剪枝规则剪除不符要求的分枝,最后在抵达终点的行驶路径中经过比较选出最优路径。     

战时装备保障运输问题最优方案的快速算法

提出了战时装备保障运输问题.这一新的问题是在一般运输问题的基础上,对运量增加了上、下界限制而得到的.对于该问题,一般的做法是将其化为具有上下界限制的线性规划问题采用一般线性规划问题求解方法,则使问题规模扩大2倍.本文针对这一新的问题建立了数学模型,根据这一类问题的特征给出了一个新的对偶算法.根据这一新的算法可以对原有运输问题采用表上作业法进行计算,同时,在运量发生变化的情况下,能够对原预案进行快速有效地调整,从而节省了运算时间.     

自适应混沌粒子群优化的粮食应急点选址研究

针对粮食应急点选址,将“运输时间最小”和“应急开始最早”作为目标,建立了相应的优化模型.利用基于粒子群的K-Medoids聚类算法进行求解,为了避免过早地陷入局部最优,提出了自适应混沌粒子群优化算法.该算法利用粒子与已知全局最优粒子的欧式距离来判断粒子群当前状态,并将其作为确定混沌扰动范围的启发信息,可以有效地提高最优解的精度.试验表明该算法优于传统的演化算法,较好地解决了粮食应急点选址问题.