基于沿途补货的多配送中心动态需求VRP建模及优化

为了研究沿途补货策略在客户需求动态变化环境下的实用性,提出基于沿途补货的多配送中心动态需求车辆路径问题.将动态问题按照时间轴依次分解为一系列的静态调度子问题,并建立其两阶段数学模型;设计了一种最邻近法结合贪婪法则来控制车辆沿途补货的解码方法;提出了自适应免疫量子进化算法的求解方法,引入免疫算子进行线路内和线路间的再优化,从关于问题的先验知识中提取疫苗,有效地加快了算法的收敛速度,提高了解的质量,同时在疫苗接种的过程中设计了一种随个体适应度大小而变化的自适应选择概率,减少了算法的运行时间.对实例进行仿真测试并与其他算法进行了比较,结果表明所提算法能获得较好的解,能有效求解动态调度问题,同时分析了沿途补货策略影响,实验表明沿途补货策略适用于动态需求车辆路径问题.     

基于核心路径禁忌算法的开放式车辆路径问题研究

描述了开放式车辆路径问题,提出了核心路径的概念和原理,并设计了解决有能力约束和距离约束的开放式车辆路径问题的禁忌算法.该算法基于核心路径原理,应用改进的广义插入法产生初始解和进行邻域操作,设计了3种邻域,利用能力约束控制单条路径配送点数,采用惩罚函数处理距离约束.应用该算法求解了多个开放式车辆路径问题算例,并与参考文献中的算例进行了比较.经分析表明,该算法可以更有效地求得开放式车辆路径问题的优化解,是解决有能力约束和距离约束车辆路径问题的有效方法.     

带时间窗的多中心半开放式车辆路径问题

针对多中心协同配送下的车辆路径问题,建立了总成本最小化模型,所建模型满足多中心、多需求点和半开放式的特征。考虑到问题的复杂性,设计了一种三阶段求解算法：将K-mediods聚类算法用于原始数据分解,将原规模较大的多配送中心路径问题转换成多个单配送中心路径问题;设计了改进多蚁群算法来求解单配送中心路径问题,得到初始方案;在调整阶段,利用节约算法优化初始方案。分析了算例,并同其他文献的算法求解结果进行对比,结果表明,所提算法比GA-ACO算法求解得到的单中心配送最优路径值减小32.16%,总成本减小30.42%;比狼群算法解得的最优路径值和总成本均减小8.99%;比蚁群算法求得的最优路径值减小24.76%,最小配送成本减小3.40%,从而验证了所建模型的合理性和所设计多阶段算法的有效性。     

基于改进ALNS算法的离散制造车间物料配送路径优化研究

针对离散制造车间在多品种、小批量生产模式下面临的物料配送复杂性问题,提出了一种有效的路径优化方法。目标是通过创新的算法设计,实现物料配送的成本最小化,从而提高车间物料配送的效率,确保物料的及时供应,提高生产效率。为确保优化方法能够适应实际生产环境的需求,提高模型和实际环境的精确性和匹配性,构建了一个包括车间仓库、多个物料需求工位点、配送车辆及其载荷限制、时间窗要求等因素的离散制造车间配送模型,并考虑了车间内实际环境存在的路径约束,结合相邻工位间的实际距离,通过应用Floyd算法进行预处理,确保能够计算出所有最短路径。针对该数学模型设计相应破坏和修复算子,并运用了改进的自适应大领域搜索（ALNS）算法,通过破坏和修复过程有效地探索解空间,并利用模拟退火策略以避免陷入局部最优解。以某离散制造车间为例进行的实验验证,改进的ALNS算法展现了其在解决物料配送路径优化问题上的有效性和高效率,可以更好的减少配送成本和提高生产效率。     

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。     

基于混合模拟退火算法求解电表配送车辆路径问题

为了使电能表集中配送业务中的车辆路径选择最优化,提出一种混合模拟退火算法。针对单相电能表集中检定后的配送需求,综合考虑各车型的固定成本、可变配送成本和配送里程,以总成本最小为目标,建立了具有固定车辆数的多车型车辆路径优化模型。基于多车型路径划分算法生成初始可行解,通过引入基于概率的多算子邻域搜索,采用禁忌搜索中的禁忌表对模拟退火算法进行改进,给出求解算法。以计量中心配送业务为实例,验证了模型的实用性和算法的有效性。     

具有同时集送货需求的车辆路径问题的自适应混合遗传算法

为满足配送货物和收集货物的需求,给出了具有同时集送货需求的车辆路径问题的混合整数规划模型,设计了求解该模型的自适应混合遗传算法。该算法以最优划分方法计算适应值,邻域搜索法作为变异算子,设计了新颖的交叉算子和群体更新策略,定义了群体多样性结构和变异概率的变化规律。通过仿真实验,并与已有优化算法比较,表明该算法是求解具有同时集送货需求的车辆路径问题和一般车辆路径问题的一个有效方法。     

改进猫群算法在车辆配送路径优化中的应用研究

为解决在生鲜农产品的车辆配送过程中存在的成本高、碳排放高的问题,以顾客满意度最高和总配送成本最低为目标,构建低碳冷链生鲜农产品的车辆配送路径优化模型。首先,通过多种方法对猫群算法进行优化;然后,用优化的猫群算法对模型进行求解。通过仿真实验对车辆配送路径优化前后效果进行分析,验证了所构建模型的可行性。结果表明,所构建的模型能有效地解决车辆配送的路径优化问题;与传统车辆配送的路径规划方法相比,采用所构建的车辆路径优化模型,车辆配送总路径和碳排放量都有一定程度的改善;车辆总配送路径长度缩短了489.77km、车辆碳排放量降低了21.4%。该方法能有效降低车辆配送过程的总成本和碳排放量,可在一定程度上提高车辆的利用效率和物流企业的市场竞争力。     

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.     

送提一体与终端共享下的最后一公里配送选址—路径问题

为有效解决电商物流最后一公里配送问题,基于最后一公里配送特征分析,从系统集成优化的角度出发,对送提一体与终端共享下的多主体共同配送选址—路径问题进行了研究。在该问题中,任意客户均存在两种服务方式,自提点可同时服务不同企业的客户,且能够被不同企业的配送车辆访问。针对该问题,建立了以系统总成本最小化为目标的整数规划模型,并设计了一种融合遗传算法、局部搜索算法及多种先进进化与搜索策略的混合遗传算法予以求解。在此基础上,通过基于标准算例库和实际案例的对比仿真实验验证了算法和模型的有效性。     

基于多层分解法和遗传算法的动态智能补货模型

为提高协同补货的高效性和智能性,运用多层分解法模型,建立了基于多智能体的分销链协同补货模型.在借鉴前人库存成本优化理论的基础上,以需求预测更新、惩罚或激励机制为前提,给出了基于传统规划理论的动态补货Agent和基于不同权重的协同补货Agent.案例分析了以补货量为变量的分销链两层公司广日j的补货期望成本优化问题,并运用遗传算法进行模拟,验证了动态补货Agent中的随机需求变化和协同补货Agent中的权重变化对分销链补货量和补货成本的动态影响.该模型和仿真结果表明,基于多智能体的动态协同补货模型具有动态性、交瓦性和智能性的特性,是有效可行的.     

联合生产存储问题的模拟退火算法

对确定性需求的联合补充生产存储控制系统进行分析，得出其关键问题是确定系统的联合生产补充周期和各产品的生产补充周期。建立了相应的模型，提出一个模拟退火算法，通过算例表明该算法可得出较优的可行解，与其他算法比较可以更有效地解决此类问题。     

船舶主机企业刀工具库存补充技术的研究

分析了船舶主机企业刀工具库存管理的特点,提出了采用自适应系数的二次指数平均法及标准正态分布函数建立的企业刀工具库存补充模型,并通过具体的实例分析了其有效性.     

用于靠绑补给的绳牵引并联起重机器人的设计

介绍了用于靠绑补给法及应用该法的绳牵引并联起重机器人的基本情况,并对其机构进行设计,且对其进行动力、控制、运动补偿等方面的分析研究,阐述了其实际应用前景,并预言这种机器人将提高海上补给效率,为中国的海上补给装备事业带来变革。     

基于时间的供应商管理库存整合补货模式下的牛鞭效应研究

为比较基于时间的供应商管理库存整合补货模式和传统补货模式对零售业供应链中牛鞭效应的影响,概述了供应商管理库存在零售业供应链中的应用情况,构建了两种补货模式的系统动力学模型。通过仿真,定量地比较了两种补货模式中供应商和零售商对泊松流随机需求输入的订单响应率的波动。另外,为了比较基于时间的供应商管理库存整合补货模式下补货周期对牛鞭效应的影响,通过改变参数设置模拟了不同补货周期下供应商和零售商的订单响应率波动。结果显示,与传统模式相比,基于时间的供应商管理库存整合补货对牛鞭效应有明显的改善;供应商管理库存整合补货的补货周期对牛鞭效应存在明显的影响,较长周期下的牛鞭效应相对于较短周期要严重。     

Lubrication of Microelectromechanical Systems (MEMS) Using Bound and Mobile Phases of Fomblin Zdol®

A lubrication scheme for MEMS electrostatic lateral output motors based on a mixture of bound and mobile lubricant was studied. Lubrication by bound monolayer alone provided some increase in operational life, but after a short time, the film wore away and the device failed in the unlubricated mode. A mobile phase was used to provide lubricant replenishment. Tribological studies were conducted on Si(100) wafers, as well as on MEMS electrostatic lateral output motors, dip-coated with a mixture of bound and mobile phases of Fomblin Zdol. Accelerated screening tests on Si(100) wafers were undertaken using a pin on disk tribometer. However, the optimum balance of bound and mobile phases was determined by studies on the device itself. The fractional surface coverage of lubricant and the ratio of bound to mobile phase was varied through selection of reaction temperature and rinse chemistry. The mobile phase on model surfaces and devices acted as a source of lubricant replenishment, and together with the bound phase provided dramatic improvement in performance. The wide variation seen in the performance of individual devices suggests that dip coating does not provide a uniform coating on the contacting surfaces of these devices.     

模糊资源约束的联合补充问题

针对不确定环境下的多产品联合补充问题,用三角模糊数表示不确定的资源约束,建立了模糊规划模型,目标函数为最小化订货成本和库存持有成本,决策变量为基本补充周期和每种产品的补充周期.用遗传算法对模型进行求解,以模糊规划模型的目标函数值作为染色体的适应度,阐述了染色体编码、选择、交叉、变异等遗传操作.最后,给出了仿真数值实例,比较了模糊资源约束模型和确定资源约束模型对1 600个随机生成问题的计算结果.     

多车场与多车型车辆路径问题的多染色体遗传算法

针对目前多车场、多车型车辆路径问题存在的求解效率低和解的质量差等不足,建立了该问题的整数规划模型,提出了多染色体遗传算法,统一了多车场、多车型问题与传统单车场、单车型问题的求解算法。通过算例对多染色体遗传算法进行了实验,并将其与传统算法进行了对比分析。实验表明,该算法不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了算法的有效性和实用性。     

一种基于动态批量的非平稳需求库存管理方法

非平稳需求的库存管理问题是运作管理的一个难题,对此提出了一个订购提前期可以任意固定的非平稳需求库存管理模型.在一定长度的计划期上,每个时间段上的动态订购点和订购批量可以通过求解该模型确定.考虑到需求的非平稳特征,采用滚动计划的方法,并设定计划将其冻结为1,以更好地跟踪需求的变化;然后通过计划的滚动,实现需求分布的更新和计划期上各时间段订购点与订购批量的更新.实证分析结果证明了所提出模型与方法的可行性与优越性.