航空紧急配送中的随机LRP模型及算法

针对震后紧急响应阶段路网中断和救援物资需求不确定性,建立航空物流中的随机定位—路线安排问题（LRP）模型,据此进行震后应急救援过程中救灾物资集散点和应急配送中心的定位以及救援物资空运路线安排的联合决策。根据该模型的特点,提出了一种改进的遗传算法,采用特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。算例分析结果表明,该模型和算法可以有效解决震后应急物流系统中的应急设施定位—分配和路线安排问题。     

基于两阶段改进遗传算法的一类特殊LRP问题研究

提出了一种带有随机开关的两阶段改进遗传算法并应用于集成化物流中的定位 运输路线安排 (LRP)优化问题. 该方法采用随机开关控制遗传算法中的变异运算, 实现了空间的有效搜索, 并且在一定程度上, 避免了“局部最优现象”的发生. 通过计算机仿真实验, 证明了该算法求解LRP问题的有效性和准确性.     

物流配送路径多目标优化的聚类-改进遗传算法

探讨运输车辆路线安排调度问题的解决方法，提出一种先用优先级综合聚类分析法将客户分类，再用带有控制开关系统的改进遗传算法求解多目标VRP的优化方法。构造了一种随机开关，以此控制遗传算法中的变异运算，增加了群体的多样性，避免了遗传算法中“局部最优现象”的发生。计算机仿真实验证明了该算法的有效性。     

震后应急物资供应点的多目标动态定位-分配模型

为提高救灾效率,需要研究震后应急物资供应点的定位-分配问题。因此,以需求效用最大化和物资分配公平性为目标,基于混合整数规划方法建立震后应急物资供应点多目标定位-分配模型。根据所建模型的特点,设计基于矩阵编码与小生境技术的非支配排序多目标遗传算法,对定位-分配问题进行求解。算例结果表明,该算法能够有效获得Pareto前沿,决策者可根据偏好与实际需要权衡多个目标,在Pareto前沿面上选择合适的决策方案。     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

集成三级物流系统的网络规划问题研究*

选址—路径问题是物流系统中的一个组合优化问题,启发式方法一般采用两阶段法将其分解为选址分派和车辆路径问题来顺序求解,但这两个阶段间的信息无法有效传递,因而往往不能得到集成问题的优化解。设计了具有能力约束的三级物流网络选址—路径问题模型,采用遗传算法整体求解该问题,避免了顺序求解带来的问题;设计了采用整数编码的三级染色体编码结构,采用禁忌搜索算法对交叉和变异操作作了改进,提高了算法的搜索效率,能够更适合集成问题的求解;最后通过算例分析,验证了本算法求解小规模选址路径问题的有效性。     

震后过渡阶段应急物流系统的定位运输路线安排问题研究

针对震后过渡阶段中,回收救援物资与保护灾区环境的问题,在满足灾区民众基本生活需求的前提下,提出了一个正逆向结合的应急物流设施定位-运输路线安排问题(LRP)模型.首先,结合回收物资可分批运输的特点,建立以应急系统耗费总时间最小为目标函数的数学模型;然后,利用两阶段启发式算法对模型进行求解;最后,算例分析验证了模型和算法的可行性.实验结果表明,与传统单向LRP模型相比,所提方法的目标函数值减少了51%.所提模型能够有效提高应急物流系统运行效率,并为应急管理部门提供辅助决策支持.     

多目标应急物资路径优化及其改进智能水滴算法*

针对多目标应急物资配送中车辆路径优化问题,提出了基于改进智能水滴算法的多目标应急物资路径优化方案。主要包括以下四个阶段：(1) 构建基于Holling-II函数的疾病扩散模型;(2) 各疫区对药品的需求预测;(3) 构建多目标应急物流配送模型;(4) 改进的智能水滴算法求解多目标应急物资优化问题。研究结果表明：所建立的模型与算法有效可行,可为应急管理相关问题提供决策参考。     

定位2运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位一运输路线安排问题(LRP)的解决方法．LRP问题包括设施定位和运输路线优化两方面决策，属于NP-hard难题．由于问题的复杂性，提出基于假设前提的LRP模型及其两阶段启发式求解算法．该方法分两步实现：首先，采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群；其次，运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线．提出利用两阶段启发式算法求解LRP问题，此方法实现容易、运算简单，一定程度上避免了遗传算法中的“局部最优现象”．仿真实验证明了该算法求解单目标LRP的有效性和准确性．     

基于模糊需求的应急物资中心选址—路径问题的算法研究

突发事件爆发后,应急决策通常面临信息不对称的情形,由此获得合理的解决方案非常困难。研究需求量不确定的场景下,同时决策应急物资中心选址方案和配送路径的问题。首先引入三角模糊数刻画模糊需求,提出模糊需求下的应急物资中心选址—路径模型;然后定义Q-学习中的状态、动作和奖励,形成超启发式算法的上层策略;最后以一种新架构封装低层算子,提出一种基于Q-学习的超启发式算法。通过数值实验验证了算法的有效性,同时通过案例分析体现了模型和算法在实际应用中的可行性。     

定位—路线问题的遗传禁忌混合优化算法

研究了带软时间窗的定位—路线问题的遗传禁忌混合优化算法,该算法同时兼顾了定位—路线问题中的定位—配给和车辆路线安排两个子问题。给出的遗传算法与禁忌搜索算法的混合策略、遗传编码和相应的遗传操作方式,有效地提高了算法的求解效率和求解质量。最后,通过实验证明了算法的可行性和有效性。     

多约束选址—路径问题的改进混合遗传算法研究

选址—路径问题(LRP)同时解决设施选址和车辆路径问题,使物流系统总成本达到最小,在集成化物流配送网络规划中具有重要意义。针对带仓库容量约束和路径容量约束的选址—路径(CLRP)问题,提出了一种结合模拟退火算法的混合遗传算法进行整体求解。改进混合遗传算法分别对初始种群生成方式、遗传操作和重组策略进行改进,并实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的有效结合。运用一组Barreto Benchmark算例进行数值实验测试其性能,并将求解结果与国外文献中的启发式算法进行比较,验证了改进混合算法的有效性和可行性。     

考虑备灾的双层规划应急资源调度选址—路径优化模型与算法

备灾措施可以为救灾做准备,为确保灾后应急物资可以及时高效地到达灾区,提出了考虑备灾的双层规划应急资源调度选址—路径优化模型,上层规划以供应站建设和运营总成本最低为目标,而下层规划以配送路径成本最小化为目标.设计了一种改进的双层樽海鞘遗传算法求解该问题,结合迭代划分的概念更新领导者位置,采用自然指数惯性权值策略修正控制因子,利用混沌映射更新追随者位置,采用田口分析方法获取参数合理取值.最后,通过使用双层樽海鞘遗传算法与遗传粒子群混合算法、粒子群优化算法、免疫优化算法对OR-Library中的LRP(location-routing problem,LRP)数据集进行求解和对比分析,验证了所提模型和算法的可行性和有效性.     

三层物流网络选址-路径优化及混合启发式算法研究*

为同时解决转运、分配、选址和车辆路径问题,在考虑车辆载重和行驶距离约束,配送中心处理能力约束的基础上,构建了一个多产品三层物流网络选址-路径模型,以总成本最小为目标,提出一种基于贪婪随机自适应搜索算法和里程节约算法的混合启发式算法,给出了该算法的步骤和伪代码。实验结果表明该算法具有可行性,并且与其他算法比较而言,算法具有高效性。     

带模糊需求的多阶段双目标应急选址—路径优化

针对灾后应急救援的选址—路径问题,在需求不确定性的约束下,建立以救援效率最大化和总成本最小化为目标的多阶段决策模型。首先,采用数据包络分析模型评价每段路线的救援效率;其次,考虑到决策者在不同阶段对救援效率和成本的要求不同,构建多阶段选址—路径优化模型;最后,设计改进的快速非支配遗传算法进行求解,改进的NSGA-Ⅱ算法设计两段式编码方式,采用基于混合交叉和退火变异的优化策略,并在传统精英策略的基础上加入比例法。实验结果表明,改进的快速非支配遗传算法能有效地求解双目标选址—路径问题,且在平衡救援效率和成本方面多阶段模型相较于单阶段模型表现更优。     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

动态路网选址–路径优化算法及实现

针对路段通行时间随旅行时段变化的实际城市路网环境下的选址–路径问题,建立其混合非线性整数规划模型;并在双层规划模型的基础上,利用遗传算法进行设施选址,改进蚁群算法进行车辆路径优化,提出一种遗传算法与改进蚁群算法协同的求解方法(GA–IACO).在路径优化中,基于NNC算法生成初始可行解集;采用Max-Min蚁群系统策略动态更新信息素范围,降低陷入局部最优的可能性;并通过模拟退火过程,对邻域解集按照Metropolis准则进行接收,以增强算法的全局搜索能力.在测试集上的结果表明了算法在时变有向网络上的可行性,为验证算法的有效性,通过构建杭州市路网的富属性网络模型,在得到路网结点间OD成本矩阵的基础上进行求解,实验结果表明,配送成本平均降低6.92%,选址–路径规划总成本平均降低7.09%,所得结论为实际优化决策提供了理论支持.