基于改进遗传算法的生鲜农产品多目标配送路径优化

为提高生鲜农产品物流配送效率,提出了具有普遍通用性的生鲜农产品三层配送网络结构,建立了配送成本最小和顾客满意度最大的多目标数学模型,引入惩罚函数处理约束,并对遗传算法改进,在选择之前根据非劣解水平进行排序,并利用拥挤程度对同级的不同个体排序,然后利用精英保留策略、最大保留交叉等操作获得Pareto最优解。为验证算法的性能,首先与标准遗传算法的结果对比,同时对相关参数进行设置,得到的结果变化误差较小。结果表明:建立的模型与算法是有效的,可为实际应用提供指导。     

生鲜农产品配送中带时窗的VRP模型与算法

针对生鲜农产品配送时效性强的特点,应用模糊隶属度函数表示的时间窗反映客户满意度,引入生鲜度损耗系数反映农产品价格随时间推移而下降的特性,在此基础上,考虑配送总成本和顾客满意度两个目标,建立了生鲜农产品配送路径多目标优化模型,设计了求解模型的智能算法,并用算例对模型及算法的有效性进行验证,同时对模型参数进行了敏感性分析。研究结果表明:所建立的模型及设计的算法是有效的,可以为生鲜农产品车辆配送路径优化决策提供理论依据和实践指导。     

多车程多时间窗车辆路径问题研究

针对末端物流中配送车辆多趟次运输、客户对配送服务时间的多样化需求,研究多车程多时间窗车辆路径问题。构造该问题的最小化车辆数量和总运输成本的双目标混合整数规划模型,设计改进的自适应大邻域搜索算法对其求解;构建了基于路径、车程及客户点3个层级上的多种高效的破坏算子和修复算子来扩大解的搜索空间;使用自适应策略选择高效的搜索算子,以及引入模拟退火新解接受准则避免陷入局部最优解来提高搜索效率。通过多种规模算例实验结果分析,验证了改进的自适应大邻域搜索算法的优越性,并分析了考虑多车程的模型对总运输成本的影响。     

考虑高铁时间窗和客户满意度的生鲜品公铁联运路径选择

针对生鲜品小批量、高时效的运输特点,提出将“高速公路+高速铁路”作为一种快速联运方式应用于生鲜品的多式联运中。以总成本最低为目标,以高铁服务时间窗、客户满意度为约束,构建基于模糊需求的生鲜品公铁联运路径选择与运输方式组合模型。以“哈尔滨-昆明”联运网络为例进行算例分析,应用Lingo12.0实现模型求解。结果表明,提出的“高速公路+高速铁路”联运方式在运输总成本和客户满意度方面均优于单一运输方式,且与“高速公路+航空”联运方式相比具有成本优势;采用灵敏度分析法,分别探究了置信水平、客户品质满意度约束值和时间满意度约束值的变化对运输总成本的影响关系,同时验证了模型的有效性,为“高速公路+高速铁路”方式下的生鲜品运输路径选择提供有益参考。     

带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题.通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能.通过计算若干benchmark问题,验证了模型的有效性.     

具有时间窗约束累积性车辆路径问题的禁忌搜索优化算法

基于对中国实际物流运输中成本计算方法的研究,考虑到我国高速公路系统计价方式的特殊性,提出了具有时间窗约束的累积性车辆路径问题。以降低实际车辆运输成本为目标,设计了新型的禁忌搜索算法对问题进行有效求解;算法中嵌入多种邻域搜索方法,允许同时在可行和不可行解空间内进行邻域搜索,同时采用Nagata提出的时间窗违反量计算方法[1-2]对解的时间窗约束违反进行评估。针对提出的新型问题的数值试验证明了所采用的时间窗违反量计算方法的时间节约性和有效性;同时由于该问题可以覆盖传统的累积性车辆路径问题,对后者的数值实验以及与其他优化算法的对比验证了所提出算法的优良求解效果。     

面向随机环境的带软时间窗多式联运路径优化

针对多式联运运输距离长、中转环节多,易受机械故障、交通堵塞、天气状况等随机因素影响的特点,建立了更加符合实际的带软时间窗约束的多式联运路径优化数学规划模型.考虑到模型求解的复杂度,设计了一种遗传算法,并根据模型最优解的特点减少了搜索空间.最后通过算例对方法进行了验证.     

考虑顾客满意度的生鲜外卖路径规划北大核心

生鲜外卖超时送达严重影响顾客满意度,而保障顾客满意又会大幅增加配送成本,顾客满意度和配送成本间存在背反。基于商家自营生鲜外卖模式,以配送成本最低和顾客满意度最高建立多目标优化模型,针对生鲜外卖特点设计货损成本及模糊时间窗计算方法,使用改进的遗传算法进行路径规划,避免了传统遗传算法容易陷入局部最优的缺点,平衡了配送成本和顾客满意度这两个目标。与节约里程算法对比证实模型及算法的有效性,再以盒马鲜生门店作为实例,通过真实路网条件下的位置信息,采用上述方法进行求解,得到配送成本和顾客满意度的最优组合。     

考虑动态需求的生鲜商品物流配送优化方法研究

目的 针对生鲜商品配送过程中客户需求的变化,协调静态与动态客户需求之间的关系,合理规划路径,并降低物流总成本。方法 首先考虑客户生鲜需求的多样化温控区间、随机订单请求时间及动态需求量等因素,构建物流总成本最小化的整数规划模型。然后,设计基于高斯混合聚类的改进蚁群算法求解该模型,并提出动态需求处理策略,用于路径的再优化。其次,通过与粒子群算法、遗传算法和鲸鱼优化算法进行对比分析,验证文中设计算法的有效性。最后,以重庆市某生鲜配送网络为例,对比分析优化前后的运营指标,并探讨生鲜商品价值损失水平与物流总成本之间的关系。结果 经优化后,物流总成本下降了22.35%,其中惩罚成本、价值损失、配送成本和温控成本分别下降了39.84%、61.84%、29.80%、57.00%。结论 文中所提的模型、算法和动态需求处理策略可以合理规划配送路径,有效降低了总成本,为考虑动态需求的生鲜配送网络优化提供了参考。     

带时间窗的时变多目标危险化学品道路运输路径优化

研究了危险化学品道路运输路径优化（VRP）问题,考虑了该问题的3个方面：1）路径选择涉及运输时间与运输风险两个目标;2）运输时间与风险具有时变特性;3）道路节点的服务时间窗限制。本文以运输时间和风险为多目标,综合考虑以上约束,建立了该问题的数学模型并设计了蚁群算法进行求解。求解结果表明该算法可以有效计算帕累托最优路径,决策者可结合实际问题和决策偏好作出最合适的决策,同时运输企业可依据不同时刻的运输结果制定车辆的出发时刻表,监管部门可通过合理规划各路径的服务时间窗及允许停留等待的节点来调节各路径运输时间及风险。     

基于密度峰值聚类的VRPTW问题研究

提出一种密度峰值聚类 (density peak clustering, DPC)与遗传算法(genetic algorithm, GA)相结合的新型混合算法(density peak clustering with genetic algorithm, DGA),求解带时间窗的车辆路径问题。首先应用DPC对客户进行聚类以缩减问题规模,再将聚类后的客户用GA进行线路优化。结果表明：DGA在9个数据集上的平均值比模拟退火(simulated annealing, SA)和禁忌搜索(Tabu)分别提高了13.41%和4.7%,单个数据集最大提高了26.4%。这证明了该算法是求解车辆调度问题的高效算法。     

动态蚁群算法在带时间窗车辆路径问题中的应用

蚁群算法是近年来新出现的一种随机型搜索寻优算法。自从在旅行商等著名问题中得到富有成效的应用之后，已引起人们越来越多的关注和重视。将这种新型的生物优化思想扩展到物流管理中的带时间窗车辆路径问题，设计了一种动态蚁群算法，从数值计算上探索了这种新型蚁群算法的优化能力，获得了满意的效果。     

Research on Vehicle Routing Problem with Soft Time Windows Based on Hybrid Tabu Search and Scatter Search Algorithm

With the expansion of the application scope of social computing problems, many path problems in real life have evolved from pure path optimization problems to social computing problems that take into account various social attributes, cultures, and the emotional needs of customers. The actual soft time window vehicle routing problem, speeding up the response of customer needs, improving distribution efficiency, and reducing operating costs is the focus of current social computing problems. Therefore, designing fast and effective algorithms to solve this problem has certain theoretical and practical significance. In this paper, considering the time delay problem of customer demand, the compensation problem is given, and the mathematical model of vehicle path problem with soft time window is given. This paper proposes a hybrid tabu search (TS) & scatter search (SS) algorithm for vehicle routing problem with soft time windows (VRPSTW), which mainly embeds the TS dynamic tabu mechanism into the SS algorithm framework. TS uses the scattering of SS to avoid the dependence on the quality of the initial solution, and SS uses the climbing ability of TS improves the ability of optimizing, so that the quality of search for the optimal solution can be significantly improved. The hybrid algorithm is still based on the basic framework of SS. In particular, TS is mainly used for solution improvement and combination to generate new solutions. In the solution process, both the quality and the dispersion of the solution are considered. A simulation experiments verify the influence of the number of vehicles and maximum value of tabu length on solution, parameters’ control over the degree of convergence, and the influence of the number of diverse solutions on algorithm performance. Based on the determined parameters, simulation experiment is carried out in this paper to further prove the algorithm feasibility and effectiveness. The results of this paper provide further ideas for solving vehicle routing problems with time windows and improving the efficiency of vehicle routing problems and have strong applicability.     

考虑油耗的车辆调度问题模型与算法

针对目前运输行业中能源消耗已经成为影响社会环境和运行成本的重要因素这一实际,在分析汽车行驶油耗规律和定量描述的基础上,引入考虑能源消耗的车辆调度问题,考虑了车辆运行能耗目标以及客户的需求时间窗等约束,建立问题的精确数学模型。由于问题具有NP hard性质,为了求解实际大规模此类问题而设计了一种新型禁忌搜索算法。该算法引入大规模邻域搜索思想,并提出基于虚拟车辆的新型搜索邻域。通过算例试验验证了算法的有效性。     

带软时间窗的同时取送货车辆路径问题研究

考虑软时间窗下的车辆路径问题,客户点常伴有同时取送货的双重需求。针对此类问题,通过对软时间窗、车辆在途前后时间关系及二者融合问题进行刻画,同时将车辆行驶距离、车辆使用数、违反软时间窗总时间、客户满意度等纳入综合考量,构建相应混合整数非线性规划(mixed integer nonlinear programming, MINLP)模型。设计相应多目标优化求解算法,运用理想点法对目标函数进行转化,将多目标优化问题转化为单目标优化问题。结合相应算例集,运用LINGO 17.0全局求解程序求得每组算例的全局最优解。结果表明,针对带软时间窗的同时取送货车辆路径问题(vehicle routing problem with simultaneous pick-up and delivery and soft time windows, VRPSPDSTW),所建模型及算法是有效且可行的。     

混合智能算法在CVRPTW中的应用

考虑到遗传算法本身存在易"早熟收敛"的缺陷,提出将模拟退火算法中的Metropolis接受准则引入到遗传算法的群体更新策略中,并将其应用于物流管理中的带容量约束和时间窗的车辆路径问题(CVRPTW).针对Solomon提出的几个标准问题,从数值计算上探索了遗传算法和模拟退火算法融合后的优化能力,获得了满意的效果.     

带时间窗的汽车总装线物料配送路径规划

分析了现阶段汽车总装线物料配送中存在的问题,建立了适用于汽车总装线物料配送路径规划的混合时间窗模型,提出了解决带时间窗的汽车总装线物料配送路径优化问题的改进遗传算法,使用了一种新的染色体编码方式和与之对应的交叉算子。针对传统轮盘赌随机操作选择误差比较大的弊端,提出改进的轮盘赌选择算子,加大随机数的产生次数并加入排序选择的思想,融合了最佳个体保存选择策略,提高算子的选优性能。实验表明该算法用于求解带时间窗的汽车总装线物料配送路径问题的有效性。     

带时间窗的车辆路由问题的改进遗传算法

提出了一种改进的遗传算法,使用了一种新的染色体编码方式,和与之对应的启发式交叉算子,同时采取了竞争选择的淘汰机制,通过对Solomon提出的100个点的标准算例的计算验证,证明了该算法能够很好地解决各类带时间窗的车辆路由问题,通过和混和遗传算法的比较,证明了该算法在计算时间、收敛速度上都有大的优势.该算法计算得到的解在总行驶距离相差不大的情况下使用车辆数较少.     

带时间窗的易腐食品冷藏车辆配送问题

以带时间窗的车辆配送模型为基础,以包括制冷成本、车辆固定成本和运输成本在内的总成本最小为目标函数,建立易腐食品冷藏配送模型.在算法上,构造了基于邻域搜索的节约算法,并对8客户算例,用该算法分别对冷藏配送模型与一般配送模型求解,由结果可知2个模型得出的最优路径不同,说明了研究易腐食品的配送问题的必要性.