基于用户满意度的冷链物流配送需求预测方法

为提高冷链物流配送需求量预测精度,提出基于用户满意度的冷链物流配送需求预测方法。首先,将与冷链物流配送需求相关的各个方面作为一级指标,将对应的影响因素作为二级指标,构建冷链物流配送需求预测指标体系。其次,引入主成分分析（Principal Component Analysis,PCA）算法分析冷链物流配送需求与用户满意度之间的相关性。最后,借助惩罚函数,实现对冷链物流配送需求量的预测。实例应用结果证明,该方法的预测结果平均相对误差和均方差比较低,能够实现对配送需求量的准确预测。     

考虑价值损耗和客户满意度的生鲜冷链多温共配问题

针对温度和配送时间对多温区生鲜产品损耗的共同影响,建立是否超温条件下的价值损耗分段函数;通过划分生鲜产品品质等级处理客户对生鲜产品品质满意度的差异性,构建以配送总成本极小化和客户满意度极大化为目标的多温共配车辆路径优化模型。设计一种两阶段混合非支配排序遗传(NSGA-Ⅱ)算法求解该模型,通过设置不同客户满意度阈值进行数值实验,验证该模型的合理性及算法有效性。为生鲜配送企业进行多温共配模式的选择和客户满意度设计提供决策指导。     

面向冷链物流配送路径优化的知识型蚁群算法

生鲜电商、冷链宅配的盛行使冷链物流订单呈现出\"小批量、多批次、易腐坏\"的特点,进一步增大了城市冷链物流配送路径优化的必要性与难度.鉴于此,同时考虑顾客满意度和道路拥堵状况,构建最小化总成本的冷链车辆路径优化数学模型.为求解该问题,将知识型精英策略下的禁忌搜索算子和动态概率选择的知识模型融入蚁群算法,设计一种新的知识型蚁群算法.通过对模拟实例和真实实例进行仿真实验,对传统蚁群算法、基于禁忌搜索改进的蚁群算法与所提出的知识型蚁群算法进行对比分析,验证了所构模型和知识型蚁群算法的有效性.     

低碳约束下冷链物流配送共享仓选址多目标优化方法

针对当前冷链物流配送中心选址模型存在选址不合理、选址过程复杂,导致资源浪费和经济成本增加的问题,提出在低碳约束下,构建一个基于低碳约束冷链物流配送共享仓中心选址和路径优化模型,在粒子群算法的基础上,分别加入免疫算法和粒子群算法,得到改进免疫粒子群算法和混合粒子群算法,通过这两种算法分别实现共享仓中心选址求解快速寻优和多目标优化,以提升模型的路径优化能力和鲁棒性。实验结果表明,提出的方法改进免疫粒子群算法可在不同约束条件下实现冷链物流配送共享仓快速选址,且选择位置寻优求解速度提升;同时通过混合粒子群算法可实现物流路径优化,规避路径缺陷,从而提升路径优化能力,实现多目标优化路径的准确选址。     

考虑碳排放的冷链物流轴幅式网络多目标优化

针对传统冷链网络优化模型忽视碳排放量的不足,基于绿色物流、共享经济的相关理念,在轴幅式理论下对多个区域的冷链配送进行资源整合后进行共同配送,提高冷链配送车辆的满载率.同时,构建考虑碳排放成本在内的总成本最小和最大化客户满意度的多目标优化模型,达到降低总成本和满足客户最大满意度的目的,实现经济效益和环境效益共赢的状态.以...     

考虑异质车辆和顾客满意度的冷藏品配送路径优化

越来越多的人选择在网络上订购冷藏食品。为降低企业的配送成本,提出一个由中央仓库为一组零售店和顾客提供服务的车辆路径问题。该场景存在于全渠道销售环境下,考虑采用异质车辆(冷藏车-常温车)搭配的组合方式为顾客配送冷藏食品。提出数学模型,并设计遗传算法对模型进行求解。将求解所得的三种不同方式下的结果进行比较,得出冷藏车-常温车搭配组合配送的方案具有一定的可行性和优越性,为企业提供参考。     

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。     

考虑天气状况的农产品冷链物流配送预测模型

现有预测模型预测误差时间大、修正效果差,因此研究考虑天气状况的农产品冷链物流配送预测模型。首先,选取农产品冷链物流配送预测指标,运用灰度关联度根据目标系统中农产品冷链物流的需求和不同天气状况的几何形状的接近程度来判断关联度。其次,根据不同的关联度划分关联等级,将其进行分类。再次,通过构建区域物流模型判断节点之间是否存在连接。最后,在矩阵中添加权重描述不同节点之间的连接关系,计算网络中节点之间的最短路径,从而完成预测模型构建。实验结果表明,实验组的预测误差时间结果为4组最小,相对其他小组平均预测误差时间缩短了10 s左右,达到较准确的预测结果,使得冷链物流配送预测模型的应用效果更佳。     

生鲜农产品冷链物流低碳配送路径优化研究

综合考虑配送车辆的固定成本、运输成本、生鲜农产品的货损成本、制冷成本、配送过程中产生的碳排放成本,以及因未满足客户要求的服务时间窗而产生的惩罚成本作为目标函数,构建考虑碳排放的生鲜农产品配送路径优化模型,提出了解决该问题的一种结合2-opt局部搜索机制的改进蚁群算法,并用实例对模型及算法的有效性进行验证,同时对算法参数进行了敏感性分析。仿真实验及算法对比结果证明模型和算法是有效的,可以为物流企业的配送决策提供参考。     

考虑末端配送方式感染风险及消费者满意度的车辆路径问题研究

在商品供应链中,生鲜配送成本过高是亟需解决的问题。本文考虑疫情的感染风险对生鲜配送路径优化问题展开研究,以最小化物流成本和最小化感染风险为目标构建模型,设计优先级三层编码方法,使用NSGA-Ⅱ求解问题。在此基础上,增加逆序邻域策略改进NSGA-Ⅱ,提高算法的收敛性。最后进行数值实验,验证了模型的可行性以及改进算法的优越性。     

基于遗传算法的双区型仓库拣货路径优化研究

拣货作业成本是物流成本的重要组成部分。根据物流配送中心传统双区型仓库拣货路径问题的特点,建立了数学模型,并设计了相应的遗传算法来求解该问题。在算例中,通过与传统穿越策略、S形启发式算法和动态规划方法的比较,结果表明以遗传算法优化拣货路径问题,可以明显减少拣货路径的距离及拣货作业时间,具有良好的实用性。     

有能力约束回收车辆路径问题的食物链算法

介绍了有能力约束逆向物流回收车辆路径问题,设计了求解有能力约束逆向物流回收车辆路径问题的食物链算法;选取文献典型算例进行了仿真求解及比较分析,结果表明设计的食物链算法性能优于遗传算法、粒子群算法和量子进化算法。     

车辆路径问题的改进的双种群遗传算法

提出了一种基于车辆路径问题的改进双种群遗传算法.该改进双种群遗传算法主要通过两个种群同时进行进化操作,并结合新交叉算子和种群交叉策略,以克服传统双种群遗传算法在求解车辆路径问题上所存在的不足.通过仿真实验,将改进的双种群遗传算法与其它几种遗传算法进行比较,改进的双种群遗传算法比其它几种遗传算法显著提高了优化效果.实验结果表明,该算法可以有效求得该问题的优化解,是解决车辆路径问题的好方法.     

基于遗传算法的多目标的有时间窗的车辆调度

对传统有时间窗的车辆优化调度问题进行了分析,指出了其中存在的问题。提出了一个以最大的顾客满意度和最小的费用为目标的多目标模型,给出了具体的操作步骤。从遗传算法的角度分析了该模型在最坏和最好情况下的时间复杂度。仿真结果和在某物流公司的实际应用证明该算法是可行的,且有较好的时间和优化性能。     

多车场车辆路径问题的遗传算法

给出了多车场车辆路径问题(MDVRP)的数学模型,提出一种基于客户的编码表示方式,可以表示出各车场出动的车辆及路径,能够有效地实现MDVRP的优化,并用计算实例进行了验证。     

供应链中车辆路径问题的改进模拟退火算法

车辆路径的优化是供应链优化中的重要环节。设计了一种改进的模拟退火算法用于求解有客户需求、车辆最大载重量和最大行驶距离三个约束条件的车辆路径问题。主要改进在于：编码方案采用客户编号的顺序编码,并设计专门的解码方法能够把三种约束全都纳入考虑,再综合运用三种邻域生成算子提高局部搜索能力,采用基本的线性降温方式控制降温过程。运用此算法针对同一算例,采用三种不同的降温系数进行了仿真实验,得到了更好的配送方案。实验结果表明该算法不仅求解速度快,而且寻优能力也有显著增强。     

基于第三方带软时间窗约束的车辆路径问题研究

在分析电商企业的“自建物流+第三方物流”配送模式的基础上,对自建物流成本和第三方物流成本分别展开研究,并在自建物流成本中设计了软时间窗惩罚函数.建立了基于第三方带软时间窗约束的车辆路径模型,设计了基于自然数序列的改进遗传算法对模型进行求解,改进交叉与变异操作来保护优秀基因,提出了种群扩张机制.最后,算例结果表明模型可以有效减少物流配送成本,提高配送效率,改进遗传算法还在提高计算时间方面有显著的成效.     

电子商务下多约束有时间窗车辆问题优化研究

传统的基于行车路线最短的车辆调度优化模型难以满足电子商务物流配送实际需要,导致实际配送成本居高不下;或是过于强调线路最短,而难以按照客户的要求准时送货,失去市场竞争力。将传统车辆调度模型进行修改,以提高模型的适用性和通用性。由于车辆调度问题是NP难问题,采用改进遗传算法进行优化求解,结合具体实例,通过实验计算证明了该改进算法的良好性能。     

交叉变异蚁群算法在VRP问题中的应用研究

提出一种改进的蚁群算法,新算法利用遗传算法对蚁群算法的参数进行优化,然后利用新的蚁群算法求解基本的车辆路径问题。改进的蚁群算法具有全局搜索能力强的特点,仿真结果表明,新算法的优化质量和效率都优于传统蚁群算法。