V2X环境下基于MPC算法的弯道区域CACC车队轨迹跟踪控制策略

针对CACC(cooperative adaptive cruise control)车队在弯道行驶的安全性和稳定性问题,提出一种V2X(vehicle to everything)环境下基于MPC(model predictive control)算法的弯道区域CACC车队行驶轨迹跟踪策略.首先,分析CACC车队在弯道区域的行驶工况以及纵向平衡问题,并基于牛顿第二定律构建车辆在弯道行驶的车辆动力学模型;其次,CACC车队基于V2X技术实现车车之间状态信息的实时交互,并以基于车辆运动学的MPC算法为基础,引入可变间距的车队安全距离控制模型,提出一种适用于弯道区域的轨迹跟踪模型;最后,通过二次规划进行模型求解.实验分析结果表明:V2X环境下的CACC车队在弯道行驶过程中面对不同的行驶工况能够不同程度地保证车车之间的安全性、稳定性以及驾乘人员的舒适性,有效验证了所提V2X环境下基于MPC算法的弯道区域CACC车队轨迹跟踪策略的可行性.     

客户成套订单配送策略混合遗传算法研究

针对第三方物流企业如何安排成套订单的合成运输问题,提出了客户成套订单配送决策问题,通过增加虚拟节点的方式,使此问题模型巧妙地转化为有时间窗车辆路径问题VRPTW模型。同时提出了一种混合遗传算法,成功地解决了在车辆数最小条件下,行车路程最短的关键问题。算例结果以及与其他文献算法的比较结果证明算法是有效的。     

基于运行距离最短的车队调度问题图解算法

对于一类基于运行距离最短的车队调度问题,构建了问题的数学规划模型。由于模型难以直接求解,构造网络图对车队问题进行表述。通过求解车队调度网路图的最小生成树,去除最小生成树中车辆和车辆之间连接线,从而将问题分解为一个个单车辆调度问题。对于单车辆调度问题的处理,设计了最小权奇点边添加法。该方法通过构造奇点边集合,使单车辆调度网络图成为所有顶点均为偶点的多重图;进而寻找欧拉环,并删除欧拉环中的重复中间点,最终得到问题的求解方案。最后设计了实例,分别采用图解算法和禁忌搜索算法进行求解。对比发现图解算法在求解车辆调度问题方面具有一定的优越性。     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

基于时空网络的自动化集装箱码头自动化导引车路径规划

针对自动化集装箱码头水平搬运作业中自动化导引车路径冲突问题,提出一种基于时空网络的路径优化方法。对于单个运输需求,首先,将路网离散化为网格网络,设计依据时间可更新的时空网络;其次,以任务完工时间最短为目标,基于时空网络下可用路段集合来建立车辆路径优化模型;最后,在时空网络上运用最短路径算法求解得最短路径。对于多个运输需求,为避免路径冲突,根据当前运输需求的路径规划结果更新下一个运输需求的时空网络,并通过迭代最终获得满足规避碰撞和缓解拥堵条件的路径规划。计算实验中,与基本最短路径求解策略（求解算法P）相比,所提方法的碰撞次数降低为0并且最小相对距离始终大于安全距离;与停车等待求解策略（求解算法SP）相比,所提方法最多减少任务总延误时间24　s,且明显降低延误任务占比以及路网平均拥堵度,最大降低程度分别为2.25%和0.68%。实验结果表明,所提方法能够有效求解大规模冲突规避的路径规划问题,并显著提高自动化导引车的作业效率。     

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题（GVRP）。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。     

混合模因算法在求解带装箱约束的车辆路径问题中的应用

带有回程取货约束的车辆路径问题(Vehicle Routing Problem with Backhauls,VRPB)和二维装箱问题(two-dimensional Bin Packing Problem,2L-BPP)是两个经典的组合优化问题,在融合两者的基础上,本文提出了一种新的组合最优化问题,即2L-VRPB.在该问题中,车队的最优路径规划和货物的最优装载设计需要同时进行考虑,该问题的优化目标是在满足所有客户的送货和取货需求的前提下,为车队中的车辆制定尽可能最优的行驶路线和货物装载方案,使得车队的总的服务成本最低.该问题在实际生活中有着广泛的应用场景,例如在设备维修和零售行业的货物运输中可经常遇到此类情形,但是文献中关于此类问题的研究论文仍然较少.为了求解2L-VRPB问题,我们提出了一种具有自适应性机制的混合模因算法(HMA),该算法采用改进的模因算法(IMA)来规划最优路径,并通过增强的组合装箱算法(MultiPack)来设计货物的最优装载方案.在实验环节,通过在VRPB问题的Goetschalckx&Jacobs-Blecha测试算例和2L-VRPB问题的Gendreau测试算例上设计对比实验,我们验证了混合模因算法在求解VRPB和2L-VRPB问题时的鲁棒性和有效性.     

铁路快捷货运班列轴幅式服务网络设计优化

为了使铁路快捷货物运输更加适应物流化的需求,研究轴幅式网络下铁路物流基地站间快捷货运班列服务网络设计问题.以固定成本、变动成本和惩罚成本最小为目标,构建单目标混合整数线性规划模型,同时囊括客户送达时间和班列服务等级要求,以及铁路线路通过能力限制,并结合模型特点和问题规模,设计遗传算法求解模型.最后,通过切实案例验证了模型和算法的有效性.算例结果表明,所提出的模型和算法可有效地描述和求解实际问题,同时,基于轴幅式网络的服务网络设计思路和方法对铁路快捷货物运输组织有一定的借鉴意义.     

考虑交付期限的订单配送策略

近年来,一种新兴的高效同城配送服务模式迅速发展,即针对随机到达的订单实现当天从点到点送货上门具有交付期限的订单配送服务.针对具有交付期限的、随机到达的订单配送问题,考虑平台可通过自有车辆服务订单,同时也可委托第3方物流服务订单的特点,提出一种决定是否接受该订单和确定车辆服务订单集合的订单配送策略.首先,以平台的运营成本最小为目标,建立订单配送的马尔可夫决策模型;然后,分析最优策略的性质;最后,与FCFS策略和按时交付策略进行对比分析.实验结果表明:所提出订单配送策略相比于FCFS策略与按时交付策略,不仅能够降低平台的总运营成本,且能够提高顾客满意度,保证服务质量,并通过数值分析验证了所建立的模型和求解算法的有效性.     

协同车辆路径问题的模糊规划模型和算法*

属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物的协同车辆路径问题是一个热点问题。考虑车辆行驶时间和顾客服务时间的不确定性,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题模糊规划模型,将其进行清晰化处理使之转换为一类确定性数学模型,采用魏明等人的自适应离散粒子群算法求解该问题。最后通过一个算例得出结论：同普通物流配送情形相比,该模型求解的总配送里程和费用均有效减少,验证了模型的正确性和合理性。     

A label based ant colony algorithm for heterogeneous vehicle routing with mixed backhaul

Vehicle heterogeneity and backhaul mixed-load problems are often studied separately in existing literature. This paper aims to solve a type of vehicle routing problem by simultaneously considering fleet heterogeneity, backhaul mixed-loads, and time windows. The goal is to determine the vehicle types, the fleet size, and the travel routes such that the total service cost is minimized. We propose a multi-attribute Label-based Ant Colony System (LACS) algorithm to tackle this complex optimization problem. The multi-attribute labeling technique enables us to characterize the customer demand, the vehicle states, and the route options. The features of the ant colony system include swarm intelligence and searching robustness. A variety of benchmark instances are used to demonstrate the computational advantage and the global optimality of the LACS algorithm. We also implemented the proposed algorithm in a real-world environment by solving an 84-node postal shuttle service problem for China Post Office in Guangzhou. The results show that a heterogeneous fleet is preferred to a homogenous fleet as it generates more cost savings under variable customer demands.     

Discrete firefly algorithm with compound neighborhoods for asymmetric multi-depot vehicle routing problem in the maintenance of farm machinery

We introduce a new variant of the vehicle routing problem, that is, the asymmetric multi-depot vehicle routing problem in the maintenance of farm machinery. When providing door-to-door service for farm machinery maintenance, there exists not only node service, (e.g., part replacement), but also directed arc service, (e.g., pulling the breakdown farm machinery from the farm location to the specified maintenance station). In the problem, there are multiple constraints, including the customer’s time window, maximum repairman working duration, fleet size, and vehicle capacity, etc. A mathematical programming model is formulated with the minimum total costs by transforming the problem into the asymmetric multi-depot vehicle routing problem with time windows. Discrete firefly algorithm with compound neighborhoods, presenting new neighborhood methods, is proposed to solve it. New procedures to evaluate the duration infeasibility are suggested with the reduced additional computational complexity. Computational results demonstrate that the proposed approach performs better than CPLEX solver, especially for large designed instances. Moreover, the proposed approach is superior to the other algorithms on solving benchmark instances of multi-depot vehicle routing problem with time windows. This study can provide decision support to door-to-door service for the maintenance of farm machinery.     

考虑客户分类的随机时间车辆路径优化模型与算法

针对一类考虑客户分类、随机旅行时间、随机服务时间及时间窗约束的车辆路径问题构建了机会约束规划模型,该模型考虑两类客户（普通客户与优质客户）并通过添加机会约束条件确保优质客户获得准时服务的概率。同时,设计了变邻域迭代局部搜索算法,并给出了一种基于最小等待时间的初始解生成启发式规则。基于Solomon算例进行了多组仿真实验。仿真实验结果表明,所设计生成初始解的启发式规则是有效的;所给算法能够在短时间内找到确定问题和随机问题的近似最优解;客户比与车辆使用数目呈正相关关系。研究结果对解决资源有限条件下克服随机不确定性因素带来的不利影响、保证客户服务水平等问题有一定的参考意义。     

A knowledge based freight management decision support system incorporating economies of scale: multimodal minimum cost flow optimization approach

This study developed a framework incorporating economies of scale into the multimodal minimum cost flow problem. To properly account for the economies of scale observed in practice, we explicitly modelled economies of scale on quantity, distance and vehicle size in a given multimodal freight network. The proposed multimodal minimum cost flow problem formulation has concave equations due to economies of scale for quantity, non-linear equations due to economies of scale for both quantity and distance, and non-continuous equations due to the economies of scale for vehicle size. A genetic algorithm was applied to find acceptable route, mode, and vehicle size choices for the multimodal minimum cost flow problem. We demonstrated how the economies of scale influenced system (mode), route choices, and total cost under various demand/service capacity scenarios. Our results will lead into more realistic assessments of intermodal system by explicitly considering the three types of economies of scale.     

带时间窗的同时集散货物路线问题研究

研究了业务繁忙环境下带时间窗的同时集散货物路线问题．以车辆数、运输距离和完成运输任务的总 时间最小为目标建立了多目标模型,提出用基于路线集合划分的分解迭代算法求解该问题．该算法首先用两种策略 将问题的解分解为几个子集合,用记录更新法分别求解每个子集合,将子集合求得的最好路线反馈回来形成新的当 前解,再分解迭代,逐渐改善解的质量．最后数据实验表明该算法能有效解决带时间窗的单向车辆路线问题和集散 一体化的双向车辆路线问题．     

基于深度时空Q网络的定向导航自动驾驶运动规划

针对目前基于机器学习的自动驾驶运动规划需要大量样本、没有关联时间信息,以及没有利用全局导航信息等问题,提出一种基于深度时空Q网络的定向导航自动驾驶运动规划算法。首先,为提取自动驾驶的空间图像特征与前后帧的时间信息,基于原始深度Q网络,结合长短期记忆网络,提出一种新的深度时空Q网络;然后,为充分利用自动驾驶的全局导航信息,在提取环境信息的图像中加入指向信号来实现定向导航的目的;最后,基于提出的深度时空Q网络,设计面向自动驾驶运动规划模型的学习策略,实现端到端的运动规划,从输入的序列图像中预测车辆方向盘转角和油门刹车数据。在Carla驾驶模拟器中进行训练和测试的实验结果表明,在四条测试道路中该算法平均偏差均小于0.7 m,且稳定性能优于四种对比算法。该算法具有较好的学习性、稳定性和实时性,能够实现在全局导航路线下的自动驾驶运动规划。     

Dynamic vehicle allocation control for automated material handling system in semiconductor manufacturing

The current study examines the dynamic vehicle allocation problems of the automated material handling system (AMHS) in semiconductor manufacturing. With the uncertainty involved in wafer lot movement, dynamically allocating vehicles to each intrabay is very difficult. The cycle time and overall tool productivity of the wafer lots are affected when a vehicle takes too long to arrive. In the current study, a Markov decision model is developed to study the vehicle allocation control problem in the AMHS. The objective is to minimize the sum of the expected long-run average transport job waiting cost. An interesting exhaustive structure in the optimal vehicle allocation control is found in accordance with the Markov decision model. Based on this exhaustive structure, an efficient algorithm is then developed to solve the vehicle allocation control problem numerically. The performance of the proposed method is verified by a simulation study. Compared with other methods, the proposed method can significantly reduce the waiting cost of wafer lots for AMHS vehicle transportation.     

物流配送中烟花算法结合遗传算法的异质车队路径优化方法

针对物流配送中车辆路径的问题,提出一种烟花算法结合遗传算法的物流配送异质车队路径优化方法。根据优先聚类其次路径的两阶段构造理论将新型群体智能算法烟花算法与遗传算法进行有效结合,首先按运力空间划分聚类区域,并采用改进的遗传算法解决为客户分配车辆的问题,然后通过采用烟花算法对路径排序实现本地路径优化。将该方法的实验结果与经验结果进行了比较,结果表明,所提出的混合算法模型得到的实验结果优于经验结果。     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。