模糊随机环境下考虑残次品处理的库存配送问题研究

针对考虑残次品的多生产商选择多商品多阶段库存配送问题,建立了一个基于动态规划的双层库存配送模型。高端物流服务集成商以整个供应链网络成本最小为目标制定采购决策;库存配送服务商以运营成本最小为目标,在集成商决策下制定库存和配送决策。设计了模糊随机环境下基于动态规划的双层全局-局部-邻域粒子群算法（Bi-DPGLNPSO）对模型进行求解。并通过算例验证模型和算法的有效性和合理性。通过参数测试和算法对比检验算法的优越性。     

基于bi-level迭代算法的物料循环配送研究

为解决车间物料配送费用高、配送效率低、灵活性差等问题,建立了基于bi-level(双层)规划的车间物料循环配送模型。针对模型设计了基于2-opt改进的最大最小蚁群算法和双层迭代算法,引入线旁库存的限制,求得需求点的配送周期、配送量和配送路径,使库存和运输整合费用最小。通过数值算例求解,说明了该算法是有效的,也说明了该模型的实用价值和有效性。     

基于改进粒子群算法的异质车队二级IRP优化

针对供货商管理库存（Vendor Managed Inventory,VMI）模式下的二级库存路径问题（Inventory Routing Problem,IRP）,结合需求的波动特征,以二级库存路径问题系统总成本最小化为目标,建立异质车队的二级库存路径问题混合整数规划模型,并设计改进的粒子群算法对模型求解。数值实验分析验证了模型和算法的适用性和有效性,结果显示,使用异质车队不仅可以提高配送车辆的装载率,降低零售商的库存水平,还会减少二级库存路径问题系统总成本;敏感性分析表明,不论需求波动程度怎样变化,使用异质车队时二级库存路径问题系统总成本都会得到降低。     

基于禁忌搜索的生产—库存—配送协同计划问题研究

针对具有一定生产期和存储期的快速消费品,从供应链集成的角度研究了确定性需求情形下多工厂、多产品、多客户供应网络的生产—库存—配送协同计划问题,并建立了多周期环境下生产—库存—配送协同计划问题的混合整数规划模型,以协同优化各工厂的生产计划、库存计划与配送计划.提出了求解该模型的禁忌搜索算法方案,且通过设计启发式顺序分配方法生成初始解,采用了从改进的2-opt和λ-interchange的邻域解中产生候选解的策略,给出了提出算法的具体实现过程.最后,通过测试算例的仿真结果,证明了禁忌搜索算法在求解该类问题时具有比混合遗传算法更强的鲁棒性,并且能够得到更好的解.     

物流包装租赁系统配送库存路径模型与算法

发展物流包装租赁共享系统是解决落后的一次性包装使用方式的有效手段。为优化物流包装租赁系统中的空包装配送与库存控制这一频繁决策问题,将租赁客户点的需求和物流包装租赁系统的服务中心的库存能力、库存费用、车辆容量、单位运费等因素引入模型,建立了总成本费用最小的物流包装租赁共享系统的空包装配送库存路径集成优化模型。针对稍小和稍大规模算例,对利用CPLEX优化软件和带精英保留的改进遗传算法进行了求解比较分析,结果表明：改进遗传算法对稍大规模算例求解的结果虽然稍差,但求解时间大大缩短,这说明了启发式算法对大规模的实际问题是有效的。该模型和算法可为物流包装租赁企业的空包装配送和库存控制的集成优化决策提供参考。     

农村电商物流下无人机与车辆协同配送路径优化研究

无人机配送正在成为解决物流末端配送难题的重要手段。无人机与车辆协同配送模式克服了无人机配送能力不足、安全性不高的弊端，是无人机参与配送的重要途径之一。针对农村电商物流“最后一公里”配送难、配送贵问题，考虑无人机与车辆协同方式、多无人机多包裹配送等约束，以配送成本最小化为目标构建混合整数规划模型并提出一种两阶段算法对无人机与车辆协同配送路径优化问题进行求解。第一阶段通过带约束的自适应K-means算法确定车辆停靠点范围，第二阶段设计爬山算子与分裂算子改进遗传算法，求得无人机与车辆配送路径。最后，通过算例实验验证了模型和算法的可行性与有效性。研究成果有望为农村电商物流末端配送降本增效提供新思路和参考价值。     

基于模拟退火法和Floyd优化算法的农村应急物流配送路径研究

农村地区自然灾害的频繁发生,给农民的生产生活带来严重威胁,因此保障农村居民的生命财产安全显得尤为重要。针对农村应急物流配送路径优化问题,在算法上采用模拟退火法及Floyd优化算法进行配送路径的优化研究,同时综合考虑“配送车辆”和“配送车辆+无人机”两种不同的配送方式,构建解决相关问题的优化模型。结果显示,文章采用的模型和求解算法能为不同情境下农村应急物流的配送活动选择出最优配送路径,保证在最短时间内完成应急配送任务,提高了配送效率。     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

一种面向维修资源配送调度的遗传-烟花混合算法

为减轻资源供应不及时对维修活动顺利开展的影响,本文针对配送式供应保障,基于带时间窗的多配送中心车辆路径规划问题提出了一种半开放式的协同配送调度模型,使得多个资源库存中心之间达成了协同合作与互相保障,从而减少了资源的供应时长和调度成本,提高了全局调度效率。为高效地求解该模型,本文提出了一种遗传-烟花混合算法,混合算法在经典遗传算法的基础上引入了烟花算法的爆炸算子以增加种群优秀个体的数量,丰富种群基因的多样性,从而提高算法的寻优能力。通过仿真实验对比,证明了爆炸算子对遗传算法容易“早熟”的缺点有所改善,且混合算法具有更高的求解效率。     

供应商选择的双层规划模型及求解分析

为了促使供应商在降低产品成本的同时,提高服务质量,提出了利用双层规划建立供应商选择模型。上层规划以制造企业的采购费用最小为目标,下层以选择的供应商的服务质量最大为目标。其中,下层规划中供应商的服务质量用综合评价得分体现先计算出各影响因素的权重,乘以标准判断矩阵得出各供应商的综合得分。最后,结合模型特点设计了双层迭代的算法,并结合实例验证了模型和算法的有效性。     

铁路车辆修理布局集中化研究

针对全路车辆修理量逐渐减少,各修理点修理能力严重过剩的现状,提出铁路车辆修理布局集中化方法。分析铁路车辆修理布局集中化的内涵,提出铁路车辆修理布局集中化双层规划模型的构建思路;以修理点改扩建费用、运营费用、运输费用之和最小为目标构建上层规划模型,以车辆运输费用最小为目标构建下层规划模型,并利用迭代思想,设计基于改进后的蚁群算法的双层迭代优化算法求解该双层规划模型。借助MATLAB软件进行算例分析,验证了模型的有效性。     

基于QFD和双层规划的物流服务供应商选择研究

从物流服务成本和物流服务质量两个方面构建物流服务供应商选择的双层规划模型,上层规划以物流服务成本最小为目标,下层以选择的供应商的综合表现度最大为目标。通过改进QFD模型,将评价指标和客户需求相结合,对待选物流供应商进行综合评价,计算供应商的综合表现度。结合模型的特点设计分层迭代算法,算例验证了模型和算法的有效性。     

基于遗传算法的城市混合型路网优化设计研究

城市路网设计问题就是研究如何用定量的方法在已有交通网络上添加或扩容某些路段的问题。本文提出一种基于遗传算法的城市混合型路网设计的双层优化模型,可求出最优的用于道路网新建或改善的交通建设投资决策方案,并利用一个算例进行仿真试验,结果表明,该模型和算法是可行的,可为城市路网设计提供借鉴。     

新建机场运输通道建设决策的双层规划模型

机场运输通道是旅客进出机场的必要基础设施。为了满足航空运输快速发展的需求,伴随着新机场的建设,机场运输通道的建设规模决策问题显得至关重要。建立了双层规划模型,其中上层模型为上层交通主管部门以社会总成本最小为目标建设机场运输通道,下层模型为旅客以效用最大化为目标选择运输通道,设计了基于敏感性分析的模拟退火算法,最后通过算例仿真了算法的可行性。     

区域低碳物流运输网络双层优化研究

区域低碳物流网络优化是建立低碳物流系统的重要环节。引入低碳理念,考虑政府低碳线路规划与货主之间的博弈,上层区域物流网络的优化以碳排放、成本、时间最少化,下层货流运用改进的Logit路径选择分配,建立了基于低碳理念的区域物流运输网络双层优化模型。根据模型求解的复杂性,运用网络变形和遗传算法给出求解优化模型的方法和步骤。算例仿真计算结果表明,该模型与算法在区域物流运输网络低碳优化组合中是准确且可行的,有益于低碳物流网络构建。     

Dynamic Traffic Assignment with More Flexible Modelling within Links

Traffic network models tend to become very large even for medium-size static assignment problems. Adding a time dimension, together with time-varying flows and travel times within links and queues, greatly increases the scale and complexity of the problem. In view of this, to retain tractability in dynamic traffic assignment (DTA) formulations, especially in mathematical programming formulations, additional assumptions are normally introduced. In particular, the time varying flows and travel times within links are formulated as so-called whole-link models. We consider the most commonly used of these whole-link models and some of their limitations.In current whole-link travel-time models, a vehicle's travel time on a link is treated as a function only of the number of vehicles on the link at the moment the vehicle enters. We first relax this by letting a vehicle's travel time depend on the inflow rate when it enters and the outflow rate when it exits. We further relax the dynamic assignment formulation by stating it as a bi-level program, consisting of a network model and a set of link travel time sub-models, one for each link. The former (the network model) takes the link travel times as bounded and assigns flows to links and routes. The latter (the set of link models) does the reverse, that is, takes link inflows as given and finds bounds on link travel times. We solve this combined model by iterating between the network model and link sub-models until a consistent solution is found. This decomposition allows a much wider range of link flow or travel time models to be used. In particular, the link travel time models need not be whole-link models and can be detailed models of flow, speed and density varying along the link. In our numerical examples, algorithms designed to solve this bi-level program converged quickly, but much remains to be done in exploring this approach further. The algorithms for solving the bi-level formulation may be interpreted as traveller learning behaviour, hence as a day-to-day traffic dynamics. Thus, even though in our experiments the algorithms always converged, their behaviour is still of interest even if they cycled rather than converged. Directions for further research are noted. The bi-level model can be extended to handle issues and features similar to those addressed by other DTA models.     

城市交通噪声环境承载力分析模型及算法

以城市噪声环境容量为约束条件计算城市区域路网最大交通承载力。分析模型是一个双层优化问题,其中上层是噪声环境容量约束下的最大路网交通流量模型;下层是道路网上的用户均衡分配模型。应用遗传算法进行求解,仿真示例表明该模型和算法是可行的、有效的,可以为城市交通可持续发展的规划和需求管理提供依据。     

基于改进的PSO算法求解电力公司最优报价策略

电力公司报价策略是一个双层优化问题,其中上层的ISO是保证社会公共效益最大化而制定的市场清除价模型,确定参与发电的电力公司,下层是基于发电公司利润最大的模型。采用启发式算法求解简单易行,最优解具有全局性,且与初始点选择无关。运用改进后的粒子群优化算法（PSO）求解电力公司利润最大的优化问题,并与确定性方法的计算结果进行了比较。在IEEE30节点6机系统验证了该方法的有效性。     

无线传感器网络中参数设定的双层规划模型及算法

能效及健壮性一直是大规模无线传感器网络研究的重点.当应用程序在基站进行广播查询时,通常采用泛洪这种鲁棒性强的方法对每个节点发送数据包.泛洪传播不仅会在较长时间内占用整个网络通信信道,影响正常的数据传输,它还将消耗大量的能量.在分析节点传输半径对泛洪平均建立时间(此时,网络中的所有节点都传输完泛洪数据包)以及数据包长度对传感器网络能效影响的基础上,提出了一个双层规划模型.上层模型的目标是设定最优节点传输半径,使泛洪平均建立时间最小;下层模型在上层模型的影响下,通过设定最优数据包长度使网络的能效达到最大.最后,通过数值分析说明了双层规划模型模拟泛洪传播及设定最优数据包长度是可行并且有效的.