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%.     

一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型.通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解.结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化.     

基于粒子群算法的农产品冷链物流配送路径优化研究

介绍了冷链物流的定义及我国农产品冷链物流存在的问题,根据冷链物流配送的特点,探索冷链物流配送路径的优化方法．在建立农产品冷链物流配送路径优化模型的基础上,构造了求解该优化问题的粒子群优化算法,并以实例进行计算．结果证明该算法对于农产品冷链物流配送路径优化问题可以有效的求出最优解,是解决路径优化问题的一种好方法．     

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,因此,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...     

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.     

基于碳排放和分类用户满意度的冷链物流路径优化

企业需要在考虑分类用户满意度的前提下降低企业配送成本.同时基于碳中和概念,面对可能的碳税和碳限政策,也需要制定合理的方案来降低企业成本.针对冷链物流路径优化问题,构建了考虑分类用户满意度和碳税碳限政策的冷链物流成本模型,融合遗传算法和蚁群算法设计出Aco-Aga和Aga-Aco算法,并分别对模型优化效果进行对比,Aco...     

基于距离矩阵摹乘法的生鲜产品配送路径优化

生鲜产品因为其保鲜时间较短对配送及时性要求比较高。线上线下(online to offline business, O2O)模式下,交易量的增加提高了配送规划的难度,生鲜电商要解决的一个重要问题就是商品的物流配送规划。基于距离矩阵摹乘的网络理论建立了路径优化模型以寻求最短配送路径,并提出求解算法,对生鲜产品配送路径进行了优化。最后通过一个实际案例说明该模型的应用价值。     

基于改进NSGA-Ⅱ的冷链物流多目标车辆路径优化

在考虑冷链物流配送时效性、易腐性等严苛条件的前提下,构建以客户满意度最大、配送总成本最小的多目标车辆路径优化模型,运用改进的非支配排序遗传算法(Improved Nondominated sorting genetic algorithmⅡ,I-NSGA-Ⅱ)对模型进行求解,获取冷链物流配送方案。在NSGA-Ⅱ算法中引入C-W节约算法构造问题初始解,通过改进变异算子、改进拥堵距离计算方法改进算法。结果表明：改进算法克服了传统NSGA-Ⅱ算法全局搜索能力差、收敛速度慢的缺点,得到了更优的Pareto解集,验证了改进算法的有效性。     

基于HACO-ALNS的车辆与无人机协同配送问题研究

针对物流配送需求增大、“最后一公里”交付困难、车辆或无人机配送均具有一定局限性等问题,作者提出了带有动态能耗约束的车辆与无人机协同配送问题,以最小化总配送成本为目标建立了混合整数规划模型,在约束中考虑了无人机一次起飞可完成多点配送、客户点差异等限制。设计了一种基于自适应大邻域搜索的混合蚁群算法进行求解,在蚁群算法中融入遗传算法,设计新的启发式因子。实验结果表明,该算法在不同规模算例上均具有良好的求解精度和运行速度。与不同配送模式的对比表明,多点配送的无人机装载率比单点配送高22.1%,动态能耗模式的成本与固定能耗相比平均降幅为3.31%。     

分区域多目标进化算法在协同车辆路径问题中的应用

在以原有的车辆配送总费用最小化为目标的基础上,兼顾顾客的满意度目标,建立带有时间窗的多物流中心协同配送的车辆路径多目标优化问题的数学模型.对建立的多目标优化问题,采用分区域多目标进化算法思想,构造了利于产生可行解的编码方式,从而提高算法的运行效率.通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题.     

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.     

考虑碳排放的选址-路径问题研究

针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.     

基于改进蚁群算法的物流配送路径优化

建立了带约束条件的物流配送问题的数学模型,运用蚁群算法解决物流配送路径优化问题,将遗传算法的复制、交叉和变异等遗传算子引入蚁群算法,以提高算法的收敛速度和全局搜索能力;改进了信息素的更新方式,以提高蚁群算法的自适应性,使得算法在执行过程中能根据收敛和进展情况,相应地调整信息残留程度,从而提高收敛速度或全局搜索能力;引入了一种确定性搜索方法,加快启发式搜索的收敛速度.经过多次对比实验表明,使用改进的蚁群算法优化物流配送线路,可以有效而快速地求得问题的最优解或近似最优解     

电子商务物流中心协作配送控制优化方法

针对当前配送控制中存在的配送路程较长、配送成本高且配送效率较差等问题,提出一种改进蚁群算法的电子商务物流中心协作配送控制优化方法.通过对电子商务物流中心协作配送问题进行分析,确定配送的约束条件,构建电子商务物流数学模型.在此基础上,根据计算结果获取电子商务物流配送控制函数,利用软时间窗模型对电子商务物流中心协作配送方案...     

建筑物火灾中人员疏散路径优化自适应蚁群算法

目的建立面向建筑消防智能疏散指示系统的人员疏散路径优化数学模型.方法综合考虑了火灾时期人员疏散的行为特点,利用火灾烟气环境下人员活动性指数和疏散通道通行难易系数定义疏散通道当量长度,自适应地调整路径选择策略和信息素更新策略,建立了火灾时建筑物智能疏散路径优化的自适应蚁群算法数学模型,并以某建筑物为例,进行模型应用.结果自适应蚁群算法应用于建筑物火灾时人员疏散路径优化,与传统最大最小蚁群算法相比提高了运算速度.结论自适应蚁群算法解决了传统蚁群算法在加速收敛和防止早熟及停滞现象之间的平衡问题,可以适用于建筑物火灾时人员疏散路径优化问题.     

考虑提前/拖期风险的第四方物流路径优化问题研究

针对现实配送过程中配送任务既有可能延后完成也可能提前完成,而提前或者延后完成配送任务会增加成本、降低收益,从而带来提前和拖期风险的实际情况,对带有提前和拖期风险的第四方物流路径优化问题展开研究.建立了以最小化物流配送费用为优化目标、提前和拖期风险为约束的数学模型,提出了嵌入删除算法的和声搜索算法,对不同实例进行了求解.结果表明所提模型和算法是有效的.     

船体装配线划线路径规划的蚁群算法

船体零件装配线划线作业是与船体零件切割作业同时进行的,是现代造船模式中的一个重要环节.将船体零件划线路径规划问题作为广义旅行商问题进行分析,针对划线路径的特殊性,建立提出了改进的蚁群算法的路径规划模型,采用最大-最小蚁群算法进行优化,分析了算法中各参数取值对算法性能的影响,并同遗传算法作了比较.实验结果表明,基于蚁群算法的优化模型可以有效减少划线路径空走距离.实际应用表明可有效地减少作业时间,提高船厂生产效率.     

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。     

考虑碳排放的冷链物流配送路径优化

为解决生鲜农产品配送成本和碳排放量的双高问题,提出了一种以最小化配送成本为目标的冷链物流路径优化模型。该模型将配送过程中的碳排放量转化为碳排放成本,并采用结合2-opt 优化算子的改进遗传算法对模型进行求解。通过数值仿真实验证明：虽然引入碳排放量约束配送路径距离增加了 3.205 km,但是碳排放量和配送成本分别下降了 1.99% 和22.10%,此数据证明了该模型和算法的可行性。