基于车辆共享的软时间窗动态需求车辆路径问题

为解决配送机构的乍辆有时不能满足客户需求的问题,同时降低物流配送成本,节约资源,基于产品服务系统的理念.引入车辆共享机制,结合时间窗、多配送中心和现代物流客户需求动态变化的特点,建立了基于车辆共享的软时间窗多配送中心动态需求车辆路径问题的两阶段数学模型,并设计了混合3-OPT量子进化算法对各阶段模型进行求解.通过算例测试及与其他算法进行比较,表明该算法能快速有效地求解此类动态需求的车辆路径问题.最后对影响算法性能的种群规模参数进行了分析.     

基于前摄性调度的车辆路径问题

为解决传统反应性调度方法存在的动态客户响应能力不足和响应效率不高的问题,针对海量、分散、多样、并发的电商物流需求,在分析历史交易数据的基础上,从动态客户预测、分区聚类和车辆路径优化3个角度研究了配送车辆动态调度问题。在利用客户需求的历史表现预测动态需求的基础上,建立了单周期和多周期配送路径优化的数学模型,设计了前摄性车辆调度方案。以重庆某超市为例对模型和算法性能进行验证,结果表明,所提方法能够有效提升动态客户的响应能力和效应效率。     

基于确定需求的作业层库存路径问题研究

研究了传统零售商管理库存模式下,基于确定需求的由一个供应商多个零售商组成的两级配送系统中作业层库存路径问题.首先采用传统C-W节约算法,讨论了供应商和零售商独立决策时的订货与配送策略.然后基于时间距离的思想,在滚动周期策略的框架下,设计了两级系统的联合配送策略.最后,用具体算例比较了独立决策和联合决策下的系统年度费用,验证了联合配送策略的有效性,并给出了相应的作业层日常运营补货时间和车辆路径.     

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题，综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响，构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型，该算法采用聚类法生成初始解，基于运力平衡的返回策略设计交叉和变异算子，并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性，并分析了运力平衡策略和混合时间窗对制定配送方案的影响。研究成果可丰富车辆路径问题的相关研究，为物流企业优化决策配送方案提供了理论依据。     

基于时间窗指派的污染路径问题

考虑物流企业与客户对配送到达时间一致性的诉求,同时结合国家节能减排要求对车辆路径问题进行研究.物流企业需要在配送开始前为客户指派一个时间窗,由于客户具有配送前不确定需求的特点,通过引入需求场景概念,建立了以最小成本(碳排放成本和旅行成本)与最小配送时间为目标的基于时间窗指派污染路径问题的双目标优化模型.考虑到模型的复杂性,设计混合遗传—禁忌搜索算法.通过算例对设计的混合算法与构建的双目标模型进行分析,验证模型与算法的有效性,并与传统目标行驶距离最小和配送时间最小的指标进行数据对比分析.实验结果表明,基于时间窗指派污染路径问题的模型能够有效减少碳排放成本和旅行成本,但会引起配送时间的增加.     

考虑碳排放的多产品多目标供应链协同优化

针对供应链配送环节车辆产生的碳排放量问题,以时变网络下车辆变化的速度为关键变量,建立了考虑碳排放量目标的,将生产时间、库存时间和配送路径协同优化的模型,同时考虑了产品种类、客户需求时间窗、车辆满载率及装卸时间等约束。提出了粒子群算法与蚁群算法相结合的混合粒子群算法对模型进行优化计算,并设计了两段实数的编码、解码方式。使用蚁群算法的信息素强度方式更新粒子群算法的粒子方向,使粒子在更新过程中保留方向性和记忆性。通过对数值算例的仿真优化与结果对比分析,验证了模型的合理性和算法的有效性。     

基于动态需求的多车型车辆配送路径优化研究

基于实际物流配送中客户需求的动态变化特性以及配送车辆的多样化,首先,提出多车型情形下的动态需求车辆配送路径优化问题,并以配送成本最小化为目标建立了两阶段车辆配送路径规划模型;其次,在初始配送路径优化阶段,采用了遗传算法得出车辆配送线路方案;在实时优化阶段,通过关键时间点将动态变化的需求转化为静态的需求,并采用了遗传算法进行分析求解。最后通过对JLD物流公司的实际需求数据进行研究,改变JLD专线路的原则,重新规划车辆的行驶线路,并与JLD的实际配送方案进行对比分析,发现基于动态需求的多车型模型有效的减少了配送车辆数并降低了运输成本。     

考虑时间窗和装载约束的装配线集成物流调度

针对电动工具装配车间物料配送的集成调度问题,考虑配送时间和配送效率,将集成调度方案划分为两个层次,以空间利用率最大化为目标构建基于标准化料箱的物料装载模型,并将物料装载约束与装配车间配送路径规划问题有机融合,结合装配流水线的动态需求时间窗信息,构建考虑时间窗和最优装载约束的车辆路径最优配置模型,保证配送及时性和成本优化双重目标要求,给出了基于遗传算法的模型求解方法,并通过不同规模问题的算例验证了模型和算法的有效性。以南京D公司电动工具装配车间实际背景为例,提出了物流调度方案,进一步表明该模型和算法能够有效提高车辆装载率并降低车间物料配送成本,具有实际应用价值。     

带时间窗偏好的多行程模糊需求车辆路径优化

为使模糊需求车辆路径问题更贴近现实情况,考虑开放车辆行程限制和设置客户时间窗偏好,研究了带时间窗偏好的多行程模糊需求车辆路径问题。首先,在需求未明的预优化阶段,以物流成本和时间成本总和最小为目标,建立了预优化模型,其中决策变量增加了行程维度的表达、车辆容量约束按单行程核算、客户到达时间约束按多行程累加计算、客户满意度约束定义为到达时间隶属度函数;其次,在获知实际需求的实时调整阶段,基于提前柔性选择返回点和不完全局限和固定计划返回点两个原则,提出基于调整成本期望值的实时调整策略。最后,种群进化算法求解测试算例验证了预优化模型的有效性,随机模拟算法模拟实时场景验证了实时调整策略的有效性。     

动态负载下电动汽车充电策略及路径优化问题

针对电动汽车配送过程中耗电速率受荷载大小影响的特点，探讨了动态负载下电动汽车耗电速率和不完全充电策略问题，并以电动车固定费用、行驶费用、电量补充费用和时间窗惩罚费用等综合成本最优为目标，构建了带软时间窗的车辆路径优化模型，设计了改进的混合遗传退火求解算法。最后，以A生鲜企业电动汽车配送业务为例，对模型及算法的有效性进行了验证。结果表明：车辆动态负载情形下，采用不完全充电策略比完全充电策略在充电时间、行驶距离、配送费用等方面具有显著优势；与经典遗传算法相比，所提出的改进混合遗传退火算法能够显著提高收敛速度。     

旅行时间不确定下的车辆路径问题研究

在实际的配送过程中会遇到交通,天气,需求等信息不确定的状况,而这种不确定性会影响配送的路径选择及时间,从而影响实际的配送效率,因此研究在这种不确定配送条件下的车辆路径优化问题既符合实际又显得尤为重要。假设车辆在配送点之间的旅行时间是不确定的,在满足客户时间窗要求及车辆载货量限制的前提下,运用不确定理论,在期望的置信度下建立以配送成本最小为优化目标的不确定规划模型,再将模型进行等价转化,并设计遗传算法进行求解。最后通过算例分析验证模型的合理性和算法的有效性。     

三维装载约束下基于运输资源共享的车辆路径问题

针对车辆路径问题研究在三维装载方式和运输资源共享模式结合方面存在的不足,提出三维装载约束下基于运输资源共享的车辆路径优化策略。首先,结合客户点地理位置特征和服务时间窗属性确定多个服务周期,建立了多个服务周期内物流运营成本最小化和车辆使用数最小化的双目标优化模型。其次,设计了集成k-means时空聚类的Clarke-Wright—非支配排序遗传算法求解模型,该算法引入Clarke-Wright节约算法以提高初始解的质量,并结合非支配排序遗传算法提高了混合算法寻找优化解的全局和局部空间搜索能力。最后,结合实例数据对所提方法进行了计算验证,给出了三维装载约束下基于运输资源共享的车辆路径优化方案并探讨了不同车厢空间分区模式下物流运营总成本、车辆使用数、车辆平均装载率和车辆平均使用频次的变化情况。研究表明：根据客户需求货物种类数和货物规格划分配送车辆装载空间,可有效降低物流运营总成本,减少配送车辆使用数,增加车辆共享频次和有效提高车辆平均装载率,并可为基于运输资源共享的三维装载物流网络优化问题提供决策参考和方法支持。     

一种求解两级累计式车辆路径问题的两阶段启发式算法

现代物流的发展中,运输网络的多级化以及对快速服务的更高要求是两大重要趋势。在这样的背景下,提出两级累计式车辆路径问题(2E-CCVRP),其中两级是指物资须由中心仓库配送至中转站(1级)再转送给客户(2级),累计式是指优化目标为所有客户的累计等待时间最小。2E-CCVRP是NP-hard问题,抽象并建模后使用一种两阶段启发式算法进行求解,第一阶段使用改进的CCVRP-split算法找到初始可行解,第二阶段通过扰乱结合局部搜索进行优化。实验结果显示,该算法能够取得高质量的解,且求解速度快,稳定性好。     

考虑客户满意度的低碳冷链车辆路径优化

在考虑冷链配送客户满意度的基础上,以车辆载重、客户时间窗和冷链产品变质率为约束,构建在客户服务时间范围内以碳排放量最小为优化目标的冷链车辆路径优化模型。将信息素浓度上下限融入传统蚁群算法,并结合领域搜索加快收敛速度、提高算法全局搜索能力。通过实例仿真表明,在低碳冷链VRP问题的求解过程中,改进型蚁群算法能够以更高的效率搜索最优成本。模型同时满足企业经济及社会效益,在不同规模实验场景下取得良好的路径优化效果,验证了模型的有效优化能力。     

模糊时间窗约束下的装配线物料配送方案优化

为解决装配线物料无法及时准确配送的问题,提出了一种动态的联合配送策略,在此基础上以最小化单个产品配送成本、最大化工位满意度为目标,建立模糊时间窗约束下的物料配送数学模型。利用NSGA-Ⅱ算法求解出最佳的工位组划分、小车出发时间和配送路径,并对配送小车容量及配送时间窗进行优化。利用Plant Simulation软件搭建某生产线仿真模型进行模拟,验证了配送方案的可行性。与一般配送策略进行对比,结果表明,在保证配送工位满意度的前提下,优化时间窗能进一步降低单个产品的配送成本。     

需求依赖末端交付与时间窗的城市配送自提柜选址—路径问题

为了满足城市配送中顾客对末端交付方式和服务时间窗的个性化需求,考虑送货上门和自提柜两种末端交付方式,基于自提柜选址及配送路径对配送节点末端交付方式和时间窗分配的制约性,以配送数量最大化和配送成本最小化为目标,构建了自提柜选址—时间窗分配—路径规划多目标联合优化问题模型,刻画了自提柜距离、配送时间误差对顾客配送服务需求的影响,优化设计了多目标粒子群算法的编码和初始种群构建方法,通过Solomon算例库仿真分析发现:Pareto解集中无法分离出配送数量最大化和配送成本最小化均占优的解;随着顾客对自提柜距离敏感度的增加,两种目标偏好都应减少自提柜数量,尽量采用送货上门服务;随着顾客对配送时间误差敏感度的增加,两种目标偏好均无法避免配送数量下降,车辆和自提柜数量变化趋势并不显著。     

动态需求低碳开放式选址—路径问题

针对需求动态变化对选址及配送路径碳排放的影响,提出了预优化和实时优化的两阶段选址—路径问题,建立了相应的低碳动态需求开放式选址—路径模型,设计了四阶段混合量子差分进化算法进行求解。通过构造最优差分变异策略,并将其与动态量子旋转门及贪婪量子选择方式相结合进行解的更新及改善。仿真实验结果表明碳排放量与需求正相关,采用实时响应策略使目标成本降低15.05%;与其他3种算法相比,所提算法具有较好的搜索能力,能满足实时调度的要求。     

基于改进遗传模拟退火算法的刀具准时化配送路径规划

为了解决准时生产下的刀具准时化配送路径规划问题,在对数控车间刀具配送流程进行分析的基础上,建立以工序平均满意度和配送车辆数为优化目标的带模糊预约时间窗的刀具配送路径模型。采用改进遗传模拟退火算法对该模型进行求解,在标准遗传算法的基础上,使用模拟退火算法改进遗传算法的变异算子,通过最佳保存策略和排序选择法结合保护最优个体,并辅以自适应交叉概率。最后,通过具体实例证明了该方法解决刀具准时化配送路径优化问题的有效性与可行性。     

依订单拆分的多自动导引车物料配送路径规划

为了提升作业效率、降低配送成本,分析了多自动导引车物料配送路径规划问题,将其归结为一种带软时间窗的需求依订单拆分车辆路径问题。以使用自动导引车数目最少、行驶费用和时间窗偏离费用最低分别作为第一、第二优化目标,结合最大路长、载重、需求依订单拆分及时间窗满足率限制,建立了相应的数学模型,并设计了一种自适应禁忌搜索算法求解该问题。为了增强禁忌搜索能力,在算法中嵌入了自适应性、随机禁忌长度和禁忌表重新初始化策略。给出了自适应禁忌搜索算法对Solomn测试算例的求解结果,并与文献中的其他方法进行比较,结果表明该算法在自动导引车使用数和行驶费用方面都有较多节省,且达到或接近已知最好解,体现了该算法的有效性。     

基于遗传模拟退火算法的大件公路运输路径选择优化

针对大件公路运输路径选择优化难题,以最小化运输成本为目标,在考虑带配送时间窗、客户服务时限、车辆超载惩罚、车辆载重限制、车辆容积限制的基础上,构建了大件公路运输路径选择优化模型,并提出改进遗传模拟退火算法对此类问题进行优化.该算法首先基于满足车辆容积和承载量的两层编码方式产生多个初始种群,然后各种群之间通过相互竞争实现优秀个体的迁移共享,最终搜索到最优解.最后,通过实例仿真验证了该算法解决此类特殊运输问题的有效性,并通过与其他算法进行比较,证明了该算法的先进性,为大件公路运输路径选择问题提供了新的解决思路.