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。     

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.     

带时间窗的同时取送货车辆路径问题求解算法

为了整合物流配送过程的退货与送货服务,依据实际情况建立带时间窗的同时取送货车辆路径规划模型,设计一种基于K-means聚类处理的Q-Leaning自启发式蚁群算法解决此类问题。根据配送服务的特性,在基本的K-means算法上作相应的改进,同时提高蚁群算法的局部搜索能力,完成两算法的合理衔接。选用相关文献数据和标准算例进行实验,验证所提算法具有较好的性能,可以解决所描述的此类问题。     

有限充电设施下的多配送中心电动车辆路径问题研究

出于环境和经济的考虑,配送企业开始采纳电动汽车,而充电设施的缺乏给电动汽车车队的运营带来挑战。同时,企业往往会拥有多个配送中心,这增加了车辆规划的复杂度。基于多配送中心车辆路径问题和电动车辆路径问题模型,考虑车辆可以在充电设施或其他配送中心充电的情况,构建了多配送中心电动车辆路径优化模型。设计了分散搜索算法对模型进行求解,并将其与CPLEX、已知最优解和其它算法进行对比。结果表明:提出的分散搜索算法是有效的;路径规划中,将配送中心同时作为充电节点能够缓解充电设施有限对企业运营造成的影响。     

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。     

具有时间窗的开放式车辆路径的改进微粒群算法

分析了车场开放的带时间窗的车辆路径问题,在完成配送服务的车辆数目不确定的条件下,建立了该问题的数学模型,同时运用改进的微粒群算法求解该问题,算法采用一种基于客户的序数编码方法构造初始种群,对微粒群算法的进化方程进行了改进,使改进微粒群算法的搜索过程具有自适应性。最后根据第三方物流配送的实际,基于问题的不同目标,运用数值检验了模型和算法的有效性。     

多通路环境下的动态车辆路径问题研究

城市路网的不断扩张和实时交通信息的便捷获取使得物流配送线路优化更具灵活性,为提升城市物流配送效率提供了新方向。为此,以多通路环境下的动态城市配送为研究对象,建立具有路径灵活选择的动态车辆路径问题（dynamic vehicle routing problem with path flexibility,DVRP-PF）的两阶段混合整数数学规划模型,并设计改进遗传算法对模型进行求解。为了验证模型与算法的可行性和适应性,以重百超市物流配送为研究案例,从配送时间、距离以及成本等方面分析DVRP-PF模型的优化效果。结果表明：相比于传统车辆路径问题,DVRP-PF在配送时间上节约10.64%,配送成本减少5.59%,而配送距离仅仅增加2.84%,显示了DVRP-PF对于提升城市配送效率有着显著的意义。     

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。     

基于萤火虫算法的动态车辆路径规划

为解决城市交通道路信息或客户需求改变带来的成本浪费,提出带时间窗和容量约束的动态车辆路径问题模型和求解算法。建立以最小化车辆总成本为优化目标的带时间窗和容量约束的动态车辆路径模型(dynamic vehicle routing problem with time windows and capacity constraints, CDVRPTW),并用DVRP求解器将DVRP分解成VRP问题的集合以解决动态性问题。提出坐标萤火虫算法,使萤火虫算法的离散解映射到连续域以适用于模型求解,运用局部搜索包括初始种群、增强路径、移除节点以及交换节点改进算法。结合数据集和实例,运用Matlab分析算法性能。结果表明,本文所提算法与经典求解DVRP算法相比,不论是求解速度还是解的质量都有明显提升,实际案例验证其现实意义。     

带软时间窗的电动车辆路径优化问题

纯电动汽车作为一种新型的交通运输工具,其以节能、低碳以及绿色的显著优势已经被广泛地运用到各种物流场景中,但是其受到续航里程和充/换设施不健全等因素的影响,使得与传统汽车相比具有更高的使用成本。为了降低电动汽车在物流配送过程中的使用成本,研究了带软时间窗的电动车辆路径优化问题,建立了以最小化路径成本、时间窗惩罚成本以及车辆使用成本为目标函数的数学模型,并设计了节约里程加改进的禁忌搜索算法对该模型进行求解。最后,结合算例对提出的混合启发式算法进行了检验与分析。     

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。     

基于改进蚁群算法的物流配送车辆路径优化方法的研究

带时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）是物流配送研究的重点。本文提出一种改进的蚁群算法,通过对初始解的启发、信息素更新策略的改进来解决VRPTW,并通过56个Solomon问题中R101作为实例数据进行验证。计算结果表明改进的蚁群算堂皇其宴文献中的算法具有竞争性,同时也表明该算法优于原算法。     

改进分散搜索算法求解包装废弃物回收路径规划问题

目的 将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题（RL-VRPBTW）,以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法 引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法（ISISS）,根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果 在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论 仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。     

电子商务环境下多阶段动态路径问题研究北大核心CSSCI

在当前的电子商务模式下,顾客订单信息通常是动态变化的,并且具有很强的时效性,为此提出多阶段动态响应策略;在响应过程中,将顾客的时间窗划分为多个阶段,在每个阶段中根据需求属性对顾客进行分级服务,设计分级服务策略,将需要配送的顾客分为可推迟顾客和不可推迟顾客,建立带惩罚的多阶段动态车辆路径模型,同时设计改进自适应遗传算法求解该模型。最后,结合仿真算例来验证模型与算法的有效性。     

考虑客户满意度的车辆路径优化研究

针对传统的车辆路径问题较少关注客户满意度的情况，以客户对服务时间和货物完好性的要求来衡量客户满意度，构建基于模糊时间窗的时间满意度函数和基于货损率的货物完好满意度函数，在此基础上以客户满意度最大和运输成本最小为目标建立优化模型，设计相应算例并利用LINGO17.0软件进行求解，与中小物流企业常用的扫描法进行对比验证模型的有效性。结果表明：利用LINGO17.0求得的优化结果与扫描法相比，虽然运输成本有一定增加，但相应的平均客户满意度提高了36.3%，建立的模型能较好地平衡客户满意度和运输成本，对于物流企业配送路径的决策优化有一定的参考价值。     

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。     

基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题

目的 针对当前生鲜商品配送效率低和成本高等问题,采用车仓温度可控的多仓车辆作为配送装备,并结合时间窗等约束,研究基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题。方法 建立最小化物流运营成本和车辆使用数量的双目标模型,然后设计基于Clarke-Wright节约算法的非支配排序遗传算法（CW-NSGA-Ⅱ）求解该模型。利用CW节约算法生成初始配送路径,以提高初始解的质量,并设计精英迭代策略,以提高算法的寻优性能。结果 基于改进的Solomon算例,将文中所提算法与多目标粒子群算法、多目标蚁群算法、多目标遗传算法进行了对比,验证了CW-NSGA-Ⅱ算法的求解性能。结合实例,对多仓车辆使用数量、温控成本和运营成本等指标进行对比分析,结果表明,经优化后多仓车辆使用数量减少了35.7%,温控成本减少了39.2%,物流运营总成本减少了47.7%。结论 文中所提模型和算法能够有效优化配送路径,降低运营成本,为构建高效率、低成本的生鲜配送网络提供了理论支持和决策参考。     

带软时间窗的电动车换电站选址路径问题研究

电动汽车因高效率无污染零噪音的特性受到了人们广泛的关注,但在采用时也存在续航里程短、公共充电设施数量较少等问题。考虑客户服务时间窗、电动汽车装载容量、行驶里程限制以及换电站的选址等因素,建立以总成本最小为目标的选址-路径优化模型,并设计结合变邻域搜索算法、门槛接受法和粒子群的算法来求解该问题。为验证算法的有效性,将算法的结果同CPLEX的计算结果进行比较,并对电池续航里程、时间窗和客户分布做敏感性分析,研究结果表明这些因素对选址数和车辆数有不同的影响。     

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。     

考虑动态行驶时间的无人驾驶车辆调度问题研究

利用无人驾驶车辆进行物流配送有助于降低物流运输成本,提高运输效率。研究考虑动态行驶时间的无人驾驶车辆路径问题,提出动态行驶时间与时变速度相关。综合分析实际中的车辆速度、时间、剩余里程和充电时间,建立以总配送时间最短为目标的数学模型。最后,结合京东在某城市物流配送项目中的实例,运用不同的算法合理有效地完成了车辆配送路径规划。通过实例验证了搭建的数学模型的准确性和设计算法的优越性。