基于ROS的无人配送车导航系统的设计与实现

针对无人配送车在自主导航过程中存在的寻路效率低、避障能力弱、转折幅度过大等问题,该文采用搭载机器人操作系统(ROS)的Turtlebot3机器人作为无人配送车,设计并实现了高效稳定的无人配送车自主导航系统。ROS是专门用于编写机器人软件的灵活框架,对其集成的SLAM算法进行改进,以完成无人配送车在封闭园区环境中的即时定位与地图构建,同时对ROS导航功能包集成的路径规划算法进行改进,使无人配送车在已知环境地图中规划生成出适合无人配送车工作的路径和有效避开障碍物。最后在Gazebo仿真环境中对无人配送车自主导航系统进行测试与验证。仿真试验结果表明,设计实现的无人配送车导航系统能够很好地满足无人配送车在封闭园区中的自主导航功能。     

多时空配送任务驱动的无人车队车辆数优化方法

为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题,提出一种随机优化方法。首先,分析服务时长和等待时长对无人车队行驶路线规划的影响,从而构建最短路径模型;然后,基于二维时空网络构造服务序列网络;其次,通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题,并建立以车队车辆数最小为目标的最小车队模型;最后,针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验,实验结果表明：在不同成功服务率下,最小无人车队车辆数与服务网络规模呈正相关,但随等待时长的增加而减少并趋向于稳定;所提算法中所引入的One-stop算子大大提高了搜索效率,所提模型和算法适用于大规模服务网络中的最小车队计算。     

基于FA-A*优化算法的实验样品配送机器人控制系统设计

为保证配送机器人能够安全稳定的将实验样品送达至指定位置,利用FA-A*优化算法,从硬件和软件两个方面优化设计实验样品配送机器人控制系统。改装配送机器人位姿传感器、数据处理器、电机驱动器和控制器等设备元件,调整系统电路的连接方式,完成硬件系统的优化。采用栅格法搭建配送机器人移动环境模型,通过图像采集、特征提取与特征匹配等环节,识别实验样品配送对象的具体位置。以实验样品当前位置为起点、配送终端位置为终点,利用FA-A*优化算法规划机器人配送路径,结合机器人实时位姿的跟踪结果,计算机器人控制量,最终从位置/速度、平衡、自主搭乘电梯等方面,实现配送机器人的控制功能。通过系统测试实验得出结论：综合静态障碍物和动态障碍物两个实验场景,与传统控制相比,在优化设计系统控制下,配送机器人的位置和速度控制误差分别降低约14m和0.38m/s。     

改进量子粒子群算法的物流配送路径优化研究

传统物流配送路径优化方法存在运输成本高的问题,已经不能满足物流配送需求,为解决这一问题,设计了一种改进量子粒子群算法的物流配送路径优化方法.首先根据改进量子粒子群算法构造粒子实数编码,并确定物流配送路径优化目标,建立物流配送的运输固定成本和准时到达的目标函数,然后应用改进量子粒子群算法实现物流配送路径优化,最后采用具体实验对象分析了配送成本,实验对比结果表明,在多次物流配送过程中,传统方法配送方法比改进量子粒子群算法的物流配送路径优化方法的配送成本要高.     

真实路况下的快递配送路径优化研究

针对快递配送过程中的实际情况,结合旅行商问题在快递配送中的应用,借助百度地图应用程序接口提取实际道路信息和行驶时间,在考虑实时路况的情况下,采用改进的遗传算法解决快递配送过程中交通环境、交通工具和配送路径要求不同的快递配送两个层次的路径优化,从而得到优化配送方案及分段路径规划,并将算法解析的配送路径显示在地图上。实例应用验证表明,该优化方法具有一定的可行性与实用性,可解决真实路况下的快递配送路径优化,具有良好的应用价值。     

蔬菜配送系统的路径优化及设计开发

蔬菜配送对时效性有很高的要求,配送路径优化成为企业赢利的关键点,而路径优化是NP难问题,传统的算法不能在有限的时间内给出最优解。使用蚁群算法（Ant Colony Optimization,AC0）并对其参数进行优化,解决车辆配送路径优化问题,使得配送路径实时最优化,降低配送成本和企业经营成本。本系统使用Struts2、Hibernate、Spring三大框架进行设计,前台具有智能定位、配送体系、订单跟踪、价格动态功能,后台集成用户管理、订单管理、新闻管理、蔬菜管理、客服服务功能。系统采用模块化设计,具有结构清晰,易于扩展的优点。     

无人机骑手联合外卖配送路径优化问题研究

外卖配送是外卖业务中的重要环节,而配送成本和准时送达率是决定外卖配送质量的关键因素,因而对外卖配送路径优化问题的研究尤为重要。基于无人机骑手联合外卖配送模式,引入时空距离度量方法,以最小化送餐成本为目标建立了无人机骑手联合外卖配送的路径优化模型,设计了一种两阶段启发式算法进行求解。第一阶段使用结合K-means的遗传算法对顾客聚类,形成骑手初始路径,第二阶段分别使用改进的变邻域搜索算法和A*算法优化骑手路径和无人机送餐航迹。实验结果表明,与传统骑手配送模式相比,考虑时空距离的无人机骑手联合外卖配送模式能减少送餐成本,提高准时送达率。     

基于栅格环境搜索树的配送路径局部规划北大核心CSCD

为提高配送路径规划算法的有效性,提出一种基于栅格环境Morphin搜索树的配送局部路径规划算法。首先,根据配送城市路况复杂性,利用动力学轨迹模型对配送路径进行建模,模拟配送过程的车辆行驶状态,并给出车辆运行饱和时间指标判别方法;其次,引入Morphin搜索树算法对配送路径的动力学轨迹模型进行优化搜索,同时为提高模型优化精度,提出一种基于栅格环境的Morphin搜索树改进方法,有助于降低路径规划中障碍物碰撞问题;最后,通过在SUMO和OMNET平台上仿真实验,显示所提路径规划算法具有更佳的车辆滞留控制和更低的碳排放效果,验证了算法的有效性。     

改进混合遗传算法及其在农资优化配送中应用

针对农资配送过程中普遍存在空载以及二次配送导致配送成本增加问题,提出一种基于改进混合遗传算法的配送优化方法。在遗传算法中融入模拟退火算法,结合二者优势使得算法跳出局部极值,增强全局优化的能力;针对两种算法混合后造成算法运行时间长、收敛慢的缺点,提出一种混合交叉方式以及混合启发式变异的方法,最大限度减少不必要的计算,提高算法的优化效率。选取北京农资大兴配送中心针对大兴地区30个农资连锁经销门店的日常配送路径优化问题开展实验研究,结果表明,提出的算法较传统算法具有更好的收敛性,优化结果更加逼近全局最优解,可为农资配送车辆实时路径优化决策提供一种新的方法。     

基于蚁群算法的快餐配送路径优化问题研究

从快餐配送的实际情况出发,建立建立快餐配送路径的数学模型,用蚁群算法的基本原理。进行多次实验和计算,寻找最优的快餐配送路径。     

大型物流车辆配送线路自适应调度方法

为了有效提高物流配送车辆的利用率,降低配送车辆的空载率及物流运输成本,需要对大型物流车辆配送线路自适应调度方法进行研究。当前方法多是采用通过对物流车辆配送过程中的调度与路径选择进行分析,建立多类型的物流配送车辆调度模型,并构建改进后的遗传算法,对物流调度模型的算法效率以及计算时间和复杂度进行优化,以获取物流车辆配送调度问题的最优解,但该方法存在过程较为繁琐的问题。为此,提出一种大型物流车辆配送线路自适应调度方法。该方法首先建立物流车辆配送线路调度问题的数学模型,为实现自适应调度方法对数学模型进行优化求出最优解,利用蚁群算法对物流车辆配送调度数学模型的最优解进行优化,获取最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得出了优化的最优路径;以优化的最优路径完成对大型物流车辆配送线路自适应调度。仿真实验表明,利用蚁群算法不仅加快了物流配送路线调度优化问题求解的速度,降低了物流运输的成本,而且获取了最优解的概率,比其他调度算法具有更明显的优势。     

基于混合平衡优化算法的疫苗配送路径优化

针对疫苗配送路径优化问题,在同时考虑固定成本、运输成本、制冷成本、碳排放成本和惩罚成本的情况下,提出以疫苗配送成本最小化为目标的车辆路径优化模型。为求解模型,在平衡优化器算法中引入模拟退火算法,改进平衡优化器算法容易陷入局部最优的不足,通过加入可变参数,提升算法平衡全局搜索和局部寻优的能力,得到一个能够稳定求出较高质量解的混合平衡优化算法。对2种不同规模的算例分别进行20次实验,将混合平衡优化算法与并行平衡优化算法、知识型蚁群算法、混合变邻域搜索算法、改进混合粒子群算法和平衡优化器算法进行对比。实验结果表明,混合平衡优化算法在小规模算例和大规模算例下得到的最小配送成本和配送成本的标准差都小于其他5种算法,其中,在小规模算例下进行实验后得到的最小配送成本分别为其他5种算法的73.5%、53.9%、69.1%、64.1%和33.4%。     

考虑实时路况下的商砼配送路径优化研究

本文从商砼配送特点出发,考虑到商砼配送属于两点之间的配送过程,以及配送过程要求较高的准时性,使用百度地图API获取行驶时间矩阵,在考虑实时路况的情况下,以时间最短为目标建立商砼配送路径优化模型,采用Dijkstra算法求解,求解的实例表明,优化出来的配送路径,可以有效地躲避拥挤路段从而降低配送时间,提高配送效率。     

基于遗传算法的烟草配送车路径优化问题

在建立烟草配送车路径优化问题模型的基础上,采用轮盘赌复制法、部分匹配交叉算法、和适应度函数自适应调整等技术,设计了基于自然数编码的遗传算法,最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行烟草车配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

改进AHP-GA算法的多目标配送路径优化

为准确优化快递配送路径,建立了基于时间窗的快递配送路径优化的数学模型.提出改进AHP-GA算法对多目标配送车辆路径进行优化,利用中位数层次分析算法对多个子目标进行权重系数配比,避免了极端值的影响,从而将多目标优化问题转化为单目标优化问题.通过简单的自然数对车辆路径进行编码,避免了路径重复.考虑了客户对车辆到达时间窗要求,包括车辆在约定时间之前到达获得的机会成本、在约定时间之后到达的罚金成本.最后,本文以1个配送中心,20个服务客户为例,对构建的数学模型通过分别使用传统的GA算法和使用改进AHP-GA算法进行优化,仿真结果表明,利用改进AHP-GA算法进行多目标配送路径优化,可以更加高效地求得问题的最优解.     

装备联合配送路径优化及算法分析

针对传统的装备配送模式存在着分区复杂、物资无法共享以及配送路径优化不合理等问题,提出了装备联合配送的方式,综合考虑配送时间、部队服务满意度和配送成本的目标,构建带时间窗的联合配送路径优化模型。并针对模型,提出了一种自适应改进遗传算法。该算法利用PFIH算法构建初始解,采用新颖的变异算子和自适应的交叉变异概率,利用relocate和2-opt进行中间解的优化,加快算法收敛。多目标权重处理采用RCA算法进行量化。最后实验证明该算法性能优良,求解高效,能够应用于军用装备联合配送的实际场景。     

时间窗约束下农产品物流配送路径优化研究

农产品需求量增加对物流配送提出较高挑战,基于此提出时间窗约束下农产品物流配送路径优化方法研究。依客户预期服务时间需求,取混合时间窗约束函数确定时间窗、物流配送车辆最大载重、配送路径长度与物流配送车辆约束条件,构建农产品物流配送路径优化模型;基于农产品物流配送需求改进传统遗传算法,求解构建模型,即获农产品物流配送路径优化结果。实验结果显示：相较生鲜农产品多车型冷链物流车辆路径优化,所提方法最优农产品物流配送路径获取迭代次数更少、配送路径长度更短、总成本更低,应用性能更佳。     

基于最近插入法的X公司物流配送路线优化方案研究

高效合理的配送作业是物流系统顺利运行的保证,配送线路的合理安排对配送速度、配送成本以及配送效益影响很大。本文首先对物流配送的相关理论进行概述,然后以X公司的配送现状为例,运用改进后的最近插入法对配送线路进行优化,提出优化的配送方案。     

多门店协同下的订单拆分与配送联合优化方法

新零售带动传统企业转型,加速了以实体门店作为前置仓的线上订单履行模式的发展。针对订单需求不确定导致的就近门店无法满足订单需求的情况,提出多门店协同下的订单拆分与配送的联合优化问题。通过引入拆单数量限制,缩减问题求解空间,同时为了减少单独配送导致的路径重叠,采用协同配送的模式整合路径,并通过订单拆分与配送之间的调整优化降低订单履行成本。集成广度优先搜索和局部搜索算法,构造TNILS(top-N&improved local search)混合启发式算法求解问题。在合成数据集的基础上,通过协同配送与单独配送的结果对比,证明了协同配送的有效性及提出算法的可行性。通过与其他算法的实验结果对比,验证TNILS算法的有效性和稳定性。     

港口油品配送系统调度优化的启发式方法

基于带时间窗的车辆路径问题优化理论与方法,首先给出了港口油品配送计划调度满足的数学模型,然后基于智能理论,针对配送时间、空间和配送载重量等限制条件,发展了一系列进行运输路径计划制定的启发式方法,如种子需求选择方法、路径插入可行性检测方法及移动、交换等优化路径方法,来得出最优的港口船舶柴油配送调度方案。最后通过实例验证说明了该文方法的有效性。