军事配送式后勤车辆路径问题研究

为提高军事后勤车辆的配送效率,实现快速响应,文中在分析军事后勤车辆路径问题特点的基础上,建立了单时间窗多目标动态军事后勤车辆路径模型,设计了遗传-蚁群混合算法对模型进行两阶段求解.仿真实验结果表明,该算法解决了遗传算法求解效率低及蚁群算法收敛过早的问题,可有效解决军事后勤车辆动态路径优化问题.     

基于改进混合蛙跳算法的多约束车辆路径优化

针对多中心分布式企业存在的产品成本差异化问题,建立包括产品成本、多车场、多车型在内的多约束车辆路径模型,并设计求解该模型的改进混合蛙跳算法. 根据问题特性,改进聚类算法并结合邻近矩阵构造初始青蛙种群;提出子群概念,设计自内而外的交流演化模式;定义远离矩阵,对青蛙进行引导性邻域搜索. 将所设计的算法进行多组不同的对比实验,结果表明,所设计的算法通用性强,实用性高,与遗传算法、蚁群算法这类传统经典算法相比,具有更好的收敛速度与求解精度,可以有效解决此类问题;考虑产品成本的调度方案总成本平均减少6%,占产品总成本的13%,可以为企业提供更合理的车辆配送方案.     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

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%.     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。     

油耗最小化有能力约束的车辆路径问题研究

针对具有能力约束的车辆路径规划问题,本文以最小化燃油消耗为目标,在分析了已有燃油消耗模型的基础上,构建了新的油耗模型,给出并分析了车辆行驶参数。同时,以此为依据建立了相应的低燃油车辆路径问题模型,并设计了贪婪算法,为验证该算法的有效性,选用27个具有能力约束的标准车辆路径问题算例进行仿真分析。仿真结果表明,本文所提出的LF-CVRP模型与以油耗最小为目标蚁群算法的解相比仅多1.43%,而且与汽车百公里综合油耗相比仅差3.49%,说明LF-CVRP模型及算法组成的求解策略,可以快捷、有效、准确的计算油耗及配送路线,满足现代物流配送路线实时更新的要求。该研究为物流企业提供了关键决策方案。     

时序耦合约束下的多无人机协同任务决策研究

针对多无人机协同执行压制敌防空系统任务时各任务间所具有的特定时序耦合约束,建立相应的异构多无人机协同任务决策模型,提出了一种基于遗传算子的混合引力遗传搜索算法(GSA-GA)来进行问题求解,针对任务之间的时序耦合约束特点,设计了相应的编解码模式,融合遗传算法特有的交叉、变异操作算子对GSA-GA中的个体进行最优解搜索,仿真结果表明该算法能够有效地解决具有时序耦合约束时的多异构无人机协同任务决策问题。通过与传统DPSO算法进行对比分析,不仅具有明显的性能提升,且算法的编解码更易于操作,从而为无人机执行具有时序耦合约束任务时的协同任务分配问题提供了科学的决策依据。     

面向城市商超物流配送的异构车辆调度研究

工业5.0时代即将到来,构建面向城市智慧物流调度供应链的核心问题在于如何高效处理货物数量多、种类冗杂、路径实时性等多维约束条件下同时降低物流车辆配送成本.针对此类问题,充分考虑路段拥堵系数、车辆装载率、泡重比、异构车型限制等约束条件,构建以总配送调度成本最小、车辆装载利用率最大为优化目标的城市异构车辆物流调度模型,进一步通过增加指数型温度下降机制、变量交叉扰动和种群分类策略设计一种改进的混合鲸鱼群算法进行模型求解.基于真实数据集的仿真结果表明,相比粒子群算法、模拟退火算法及鲸鱼优化算法,本文所提算法在目标函数上平均降低了34.33%,在配送费用上平均降低了11%,在平均配载率上增加了10.67%.实验结果验证了所提算法在求解此类复杂环境约束条件下的多目标优化问题中展现了较强的全局搜索能力及搜索精度,同时进一步说明了所建立模型在求解城市物流车辆调度问题中的可行性和有效性.     

采用嵌入时空距离的混合蚁群算法求解一类受限车辆路径问题（英文）

本文研究了共享出行背景下一类受限车辆路径问题,该问题以用户订单为核心,每个订单具有预约时间限制以及起始点、目的地两个位置点转换,是典型的具有时间、空间双重约束的扩展车辆路径问题。根据该问题特征,我们建立了以运营成本最低和用户体验度最高为目标的路径规划模型。为更精确地求解模型,根据用户的时间和空间属性定义了时空距离表示函数,进而提出一种嵌入时空距离的混合蚁群算法。该算法可分为两个阶段,首先通过时空聚类,以用户之间时空距离为主要衡量指标对用户进行分类,为问题求解提供启发式信息;其次结合劳动分工策略和时空距离函数,提出一种改进蚁群算法进行优化求解,以得到最终调度路线。基于现有数据集和实际城市环境的仿真案例进行数值实验。与其他启发式算法相比,该算法将基准实例中求得的最短路径长度降低2%–14%;与其他现存路径规划算法相比,该算法在测试实例上求得的综合成本更有竞争力。最后,利用两个实际的城市环境仿真案例进一步验证了所提算法的有效性。     

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,基于此,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为路径优化提供判断依据,设计出路径优化问题的算法流程。在算例分析中,选择某生鲜企业的物流配送作为算例,实验结果表明,设计的方法得到的最优路径总体成本远远低于传统方法,说明所提方法实用性较强。     

不确定条件下危险品配送路线多准则优化

针对非满载的危险品配送车辆路线优化问题,考虑危险品数量对运输风险的影响,利用分段线性逼近方法对配送过程中的潜在风险动态评估。根据运输企业的不同优化准则以及配送路线的不确定性属性,基于可信性理论和期望值方法,建立了有容量约束的危险品配送路线多准则优化模型。设计了改进的模拟退火算法对模型求解,并利用快速非支配排序方法和动态拥挤距离计算方法提高求解效率,改善Pareto解在解空间内分布的均匀性,结合解的编码方式设计变邻域搜索策略提高算法的局部和全局搜索能力。采用不同算例验证了模型的合理性和算法的有效性,研究结果可为危险品运输企业在多种不确定条件下的配送路线选择提供决策支持。     

考虑供给商品价格的多车场车辆路径问题

针对在烟草、石油和食品等生产配送行业,由于各地生产成本不同,导致商品由不同工厂所生产配送的补给价格存在差异,为了在车辆调度问题中综合考虑供给成本和运输成本,并使得总成本最小化,开展了考虑商品供给价格的多车场车辆路径问题研究.建立了基于分布式生产销售系统考虑商品供给价格的多点配送车辆路径优化模型;为了求解优化模型,同时根据考虑供给价格的多车场车辆路径问题的性质和特征,构造出初始解,并结合8个邻域结构和局部搜索算法,设计了改进变邻域搜索算法;最后通过实例,验证了算法的有效性     

末端配送服务模式与路径联合优化

考虑末端配送服务模式对服务质量和配送成本的影响，提供一种末端配送服务模式与路径联合优化方法.以配送成本和客户满意度为双目标建立混合整数规划模型，改进NSGA-Ⅱ求解模型，并且利用GUROBI求解器验证所建模型的有效性.通过求解不同规模算例发现，改进NSGA-Ⅱ具有求解稳定性，并且仅用GUROBI求解时间的1/10便能够得到高质量Pareto解集，与传统NSGA-Ⅱ相比，改进NSGA-Ⅱ求解时间平均仅增加23 s，求解质量平均提升3.37%，表明改进NSGA-Ⅱ优于GUROBI求解器和传统NSGA-Ⅱ.通过敏感度分析发现，与仅利用单一末端配送服务模式相比，物流企业综合利用多种末端配送服务模式能够更好地平衡配送成本与客户满意度水平，合理增加自提柜和自提点数量，拓宽客户收货时间窗宽度有助于降低配送成本.     

基于蚁群算法的图书物流中心配送路径规划

以图书物流中心车辆路径规划问题为研究对象,结合图书配送多品种小批量的特点,以配送路线最短为目标,在考虑车辆容量限制的条件下,建立基于零担运输策略的图书物流中心车辆路径规划模型;针对传统路径规划问题研究的不足,运用GPS导航系统重新定义了配送距离.用蚁群算法对所建模型进行求解与仿真,并结合实际案例给出优化结果,验证了模型及算法的有效性.     

考虑服务定价的选择性众包配送优化

提出众包服务定价与选择性众包配送方案联合优化方法.根据众包服务价格与众包供给量关系，构建众包供给-价格函数，进而构建出优化众包服务价格、客户分配方案以及配送路径的混合整数非线性规划模型，并采用大M法将其处理成混合整数线性规划模型.依据问题领域知识设计局部搜索规则，并结合节约算法、禁忌搜索算法和模拟退火算法设计出求解大规模案例的自适应大邻域搜索算法.自适应大邻域搜索算法的性能优于GUROBI、最早配送规则以及节约算法；选择性众包配送服务模式在降低配送成本上优于无众包配送服务模式和全众包配送模式；众包配送服务模式适用于众包供给价格敏感度高、客户服务时间窗紧的场景；适当增加中转点或者拓宽客户服务时间窗可以降低配送成本.     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。     

基于离散多元宇宙算法求解车辆路径问题

针对现实生活中车辆配送的实际情况以及客户对服务时间的具体要求,该文提出了一种离散多元宇宙算法来求解在模糊时间窗约束下的多配送中心车辆路径问题(MDVRPFTW)。以总成本最低、顾客满意度最大为多目标函数,针对MDVRPFTW构建出相应的数学模型。该算法在传统多元宇宙算法基础上,重新定义了在离散车辆路径问题下的更新策略。实验结果表明,该算法能更好地解决在模糊时间窗约束下的多配送中心车辆路径问题,优于其他几种对比算法,具有较强的寻优能力和应用价值。     

物流配送车辆路径问题(VRP)算法研究

物流配送车辆路径问题(VRP)属于NP-hard问题.文章介绍了当前最具有代表性的算法,分析并总结了各种算法的优缺点及目前的改进情况,指出目前启发式算法是求解车辆路径问题的主要方法,至于大规模客户集的配送路径优化问题或者是多约束的复杂VRP问题,可以考虑利用多种算法相结合的办法来解决.     

基于鸽群优化的复杂环境下无人机侦查航迹优化

地表环境的复杂性以及机载探测装置探测范围的约束,使得无人机在某些方位无法实现对地面目标的有效监测.因此,在设计无人机侦查航路时需要综合考虑无人机飞行性能与目标可视范围等条件.针对这一问题,提出了一种基于改进鸽群优化与动态规划算法的无人机侦查航路优化方法.首先,通过分析机载探测装置视场与地表环境的相对空间关系,得到了目标周围空域的可视范围.随后,结合鸽群优化理论框架与动态规范方法对无人机的最优侦查航迹进行求解.为提高鸽群优化算法在求解目标排序问题中的效率,提出了一种离散化的鸽群优化改进机制.仿真结果表明,侦查航迹优化算法在提高任务完成度的同时具有很高的求解效率和准确性.