物流配送系统车辆的优化调度算法

综合运用网络图和运筹学理论，分别建立了具有确定开始时间和带有时间窗的非满载物流配送系统车辆的优化调度模型，并给出了一个算例分析，说明其方法简便，实施程序易于处理．     

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。     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

分区域多目标进化算法在协同车辆路径问题中的应用

在以原有的车辆配送总费用最小化为目标的基础上,兼顾顾客的满意度目标,建立带有时间窗的多物流中心协同配送的车辆路径多目标优化问题的数学模型.对建立的多目标优化问题,采用分区域多目标进化算法思想,构造了利于产生可行解的编码方式,从而提高算法的运行效率.通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题.     

车辆调度问题的研究现状及发展趋势

针对车辆调度问题具有各种特征因素的特点,首先对带有取送需求特征、车辆装载能力特征、车辆-车场关系特征、时间窗特征、动态特征的车辆调度问题的研究现状分别进行了分析,并对其研究意义进行了简要的评述;然后对带有多个特征要素的一种车辆调度问题——铁路车站取送车作业问题进行了详细介绍,并分析了它与其他单特征车辆调度问题的区别与联系。最后,对车辆调度问题的研究工作进行了总结与展望。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,因此,提出基于改进蚁群算法的物流配送车辆路径优化方法.结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本...     

带有时间窗的虚拟场站接驳补货车辆路径问题

针对大区域多需求点的物流配送系统,在原有的车辆配送总费用为目标的基础上,兼顾顾客的满意度目标,建立了带有时间窗车辆路径问题的多目标最优化模型,该模型基于大小车沿途在虚拟场站接驳补货策略,节省了货车往返配送中心补货次数、距离与时间.根据该模型需要部分顾客作补货点的特点,利用K均值聚类的方法将顾客分类,采用基于分区域和极大极小策略的多目标进化算法思想进行求解,以测试题库The VRP Web中的算例进行测试分析.经由测试结果比较,相较于非接驳补货的传统VRPTW,该模型效益明显.     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法．该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进．通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法．     

基于混合蚁群的多温区冷链物流配送路径优化算法

针对冷链物流配送过程同时取货、送货车辆路径规划问题,提出了基于混合蚁群算法多温区冷链物流配送路径优化算法.通过分析影响同时取、送货车辆路径成本的因素,构建了针对多温区冷链物流的带时间窗、同时取送货配送路径优化模型.利用粒子群算法来优化蚁群算法参数,将各个蚂蚁子群的信息素进行交换,再采用基于插入的启发式方法和交叉、反转操作进行路径优化.经过对照实验,结果表明：基于混合蚁群的车辆路径规划算法收敛速度相对于基于改进遗传算法的车辆路径规划算法和基于禁忌搜索算法的车辆路径优化算法,分别提高了24.3%和18.6%.     

不确定信息的物流配送实时车辆优化调度策略

通过分析物流配送不确定因素,运用GPS／GIS／GSM信息技术和构造性算法,把物流配送问题分成静态问题和动态问题来考虑。在已经得到静态调度解的基础上,分析实际可能发生的需求、交通和车辆变化等不确定因素,运用最近插入法、Dijstra算法,提出了解决物流配送过程中不确定性信息的车辆优化调度策略。     

基于改进免疫算法的带模糊需求车辆调度问题

通过引用一种新的编码方法、交叉和变异概率的自适应机制,构造了一个改进的免疫算法,并对算法的交叉操作加以改进,成功地将这种算法应用于带模糊需求的物流配送车辆调度的求解过程中,将求解结果与遗传算法比较,结果表明,该算法可以较好地求解VSPFD问题.     

定位路线与库存组合优化问题研究

定位路线问题是定位配给和车辆路线问题的集成决策,库存水平对定位和路线问题有重要影响。本文在分析物流系统总成本的基础上,建立了随机需求的定位路线与库存组合优化问题的数学模型。针对模型的NP-hard属性,设计了两阶段启发式算法：第一阶段用先路线后定位的方法求得初始解;第二阶段用交换法对初始解进行改进,库存控制变量在每次路线优化时根据订货费用、缺货费用和运输费用而迭代求得。最后通过实例计算,定位—路线—库存集成优化结果与定位—路线和库存独立优化时的方案相比,大大降低了物流系统成本,从而证明了物流系统优化时考虑库存策略的重要性,同时表明了该算法在求解此类问题时的可行性和有效性。     

物流配送路线模型优化及应用

在物流配送问题中，车辆调度问题(VRP)是一个关键问题，也是组合优化领域的前沿与热点问题。该文根据MG公司配送中心的特点，建立了该公司的VRP模型，运用启发式算法中的节约算法对MG公司配送网络进行了细致的优化，找到—个满意的方案。     

考虑客户价值的车辆调度干扰管理

针对物流企业中资源不能有效地分配到不同客户手中,难以实现物流企业经济效益最大化的问题,基于客户关系管理理论,在考虑客户价值的情况下,从客户、物流配送运营商以及物流配送员三方面对物流配送系统的扰动建立了车辆调度干扰管理模型,并结合免疫算法设计了改进的种子群优化算法对模型进行求解.结合具体实例,对考虑客户价值的干扰管理模型与未考虑客户价值的干扰管理模型进行比较,结果表明,考虑客户价值的干扰管理模型能够获得更大的客户满意度.     

物流配送车辆优化调度问题的综述

针对物流配送车辆优化调度问题,本文阐述了该问题的定义和最优调度的目标,介绍了物流配送的概述和流程,研究了VRP的分类和实现算法,分析了VRP的国内外研究现状,并提出了进一步的研究方向。     

集送一体化动态车辆调度研究

相对传统的车辆调度,集送一体化的调度模式可以解决单向行驶日寸车辆空载问题．动态车辆调度是当前研究的热点．通过动态车辆调度策略,建立动态车辆调度模型,并利用改进蚁群算法对模型进行计算．通过应用实例,运用Mat｜ab对模型进行测试．测试的结果收敛并得到最优解,表明该算法对于解决集送一体化动态车辆调度模型是有效的．     

物流配送车辆路径问题(VRP)算法综述

物流配送车辆路径问题(VRP)属于NP-hard问题,对这类问题如何求解,学术界提出了多种算法,这些算法可归结为2大类:精确算法和启发式算法.通过对这2类算法中最具代表性的几种算法的分析、比较和总结,指出了各种算法的优缺点、适用范围和场合、存在的问题以及改进的方案,为物流配送车辆路径问题求解过程中算法的选择提供了依据和参考.     

多品种多供应点的物资调配和路线选择

针对多品种、多供应点的应急物流决策问题,构造了具有时效性、安全性和经济性特征的路线选择决策函数,建立了应急时限内满足需求点品种和数量的供应点数量最少物资调配模型,并对决策函数和物资调度模型进行了分析,提出了求解算法,用实例进行了验证。验证结果表明:决策函数和物资调度模型能有效地为复杂应急物流的物资调配和线路选择问题提供决策方案。