基于聚类的城市共同配送海量订单调度问题研究

针对云物流环境下城市共同配送海量订单调度难的问题,本文提出基于订单聚类的调度算法.首先针对单中心多车辆调度问题,提出基于单亲遗传的优化调度算法;在此基础上综合考虑城市配送中心的地理位置、车辆及配送点的地理位置、货物的种类、需求量,提出采用蚁群算法构建基于配送中心的海量订单聚类、优化调度算法.     

基于双层模糊聚类的多车场车辆路径遗传算法

对大规模多车场车辆路径问题,设计了基于双层模糊聚类的改进遗传算法求解框架,上层静态区域划分利用k-means技术将多车场到多客户的问题转化为一对多的子问题,下层模糊聚类从保证客户满意度和整合物流资源的角度出发,利用模糊聚类算法根据客户需求属性形成基于客户订单配送的动态客户群。进一步,通过改进选择算子和交叉算子来设计车辆路径优化的遗传算法。通过随机算例仿真实验,证明了提出方法和求解策略的有效性。     

考虑订单发货区域的物流配送调度问题研究

研究了一种考虑订单发货区域的物流配送问题,针对问题建立了两阶段多目标整数规划模型：订单车辆指派模型和车辆配送调度模型。基于对模型及问题特点的分析,构造了一种两阶段优化算法：第一阶段,基于聚类-约束满足优化算法为待发货订单指派最佳车辆;第二阶段,基于单亲遗传算法为车辆指定最佳的物流配送方案。通过数据仿真验证,模型和算法是可行且有效的。     

基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

基于车辆配送线路的区域协同配送方法

针对单物流中心大规模多区域的物流配送中存在的车辆路径规划不合理、装载率不高的问题,提出了一种基于车辆配送线路的区域间协同配送方法。该方法通过配送区域间的拓扑关系生成区域协同配送网络,进而依据一次配送中的有货区域信息生成车辆初始配送线路,并对具有相邻关系的线路进行配送线路间调整,从而形成最终的车辆途径配送区域的配送线路。在此基础上,依据配送区域内订单的分布情况以及单一区域扫描-遗传算法的配送方法,设计了沿配送线路的区域间协同配送方法。最后,通过选取“步步高”商业物流管理系统中的实际配送数据对模型和算法的有效性进行了验证分析。     

基于改进粒子群算法的物流配送车辆调度

物流配送车辆调度问题是指安排有限的车辆有效地完成配送任务。优化目标是在满足客户需求和车辆能力约束的条件下,找出配送成本较低的配送车辆调度方案。由于配送过程受客户位置、配送车辆限制等多种因素影响,导致车辆的调度问题十分复杂。参照经典车辆路径问题模型,考虑了车辆配送里程和用户数等限制,建立了双向车辆调度问题的数学模型。在标准粒子群算法的基础上,引入爬山操作,增加了粒子群的多样性,提高了算法的局部搜索能力,并设计了基于改进粒子群算法的物流配送车辆调度算法,有效地解决了物流配送车辆的优化调度问题。     

带有时间窗口的富网络配送问题研究及仿真

通过建立GIS富网络路网属性模型,并组合N阶最短近邻自适应聚类算法和遗传算法,来解决不确定车辆数目、较大规模网点和多层次交通网络的带时间窗口的联合配送问题。首先,为了解决传统带有时间窗口车辆线路调度模型中配送网点规模小(不超过20个网点)的问题,以及在建模时将各网点抽象为图的顶点的缺陷,建立基于实际道路数据的网络数据集,采用GIS技术精确计算各网点之间的距离,并建立距离OD矩阵;然后,为了降低对较大规模网点配送算法设计的复杂度,采用N阶最短近邻自适应算法确定聚类簇数,再通过聚类数划分配送网点。其次,为了确定配送车辆的种类、车辆数目以及时间窗口的限制,利用遗传算法对配送线路进行优化。最后,通过2个实例验证了所提方法的有效性。     

基于GPS/GIS协同的动态车辆调度和路径规划问题研究

从物流行业信息化和智能化发展的需求出发,利用以物联网为代表的现代信息和通信技术,设计了GPS/GIS协同下的智能车辆监控和调度系统。同时,基于该调度系统具有的信息实时获取和智能处理能力,考虑配送车辆及客户需求等相关实时信息对车辆调度和路径规划的影响,构建了基于实时信息且带时间窗的动态车辆路径问题(DVRPTW)混合整数规划(MIP)模型。结合模拟实验,通过混合遗传算法寻优对车辆配送路径进行动态调整和优化,为物流行业降低企业运营成本、提高物流配送效率、改善物流服务质量提供借鉴和参考。     

基于场景动态度的两级配送路径问题

针对城市配送过程中出现的交通限行和需求不确定性等问题,将配送周期划分为初始配送阶段和动态补货阶段,路径中包含枢纽型物流中心、配送型物流中心和客户,研究其共同构成的两级车辆配送路径优化问题.考虑到问题的动态性,提出前摄性需求配额策略及响应性补货策略,构建基于场景动态度的两级动态车辆路径问题数学模型.设计融合扫描算子的禁忌搜索算法,完成车辆初始阶段的配送路径优化;根据场景动态度,设计修复/更新性动态客户的响应策略,快速响应动态需求.最后,通过仿真算例验证模型和算法的有效性,实验结果表明,所提出的设计策略能够有效降低动态客户对低动态度应用场景初始路径的干扰,并简化高动态度场景下的路径优化复杂度.     

电商配送中的车辆调度问题优化研究

电子商务环境下的物流配送产生了新的特点,在传统方式下建立的物流配送系统已不能完全满足电子商务的需要。针对电商配送终端客户具有配送需求量小、品种多、位置较分散的新特点,研究电子商务环境下的车辆调度问题,用聚类分析法划分配送区域,建立VRPTW模型,采用遗传算法对模型加以求解。通过仿真实验,与传统的VRP模型求解进行比较,发现优化后的成本比未优化的成本低,验证了关于VRPTW优化模型求解方法的有效性。     

Analyzing and evaluating product demand interdependencies

Demand-driven manufacturing is an extremely unstable planning environment compared to forecast-driven manufacturing. This requires preparation and makes knowledge of demand behaviour even more important for planning and control. The basic assumptions of pre-ante allocation based on forecast of independent end-products demand are critical for manufacturing planning and control in general. However, the importance is higher for demand-driven manufacturing than forecast-driven manufacturing. This is due to the sensitivity of demand-driven manufacturing to demand fluctuations, e.g. time and interdependency of demand rates, due to the customer order decoupling point.This paper presents a method to establish time and interdependency of demand rates (the Time- and Interdependent Demand Rate Method), which can improve the planning and control performance as well as the order management performance in a MTO environment. The method is tested on data from two cases. For both cases results and demand planning implications are presented. Use guidelines for the method are also presented along with avenues of further research.     

Traffic signal control based on a predicted traffic jam distribution

In this article, we propose a new method of traffic signal control based on the predicted distribution of traffic jams. First, we built a forecasting model to predict the probability distribution of vehicles being in a traffic jam during each period of the traffic signals. A dynamic Bayesian network was used as the forecasting model, and this predicted the probability distribution of the number of standing vehicles in a traffic jam. According to calculations by the dynamic Bayesian network, a prediction of the probability distribution of the number of standing vehicles at each time will be obtained, and a control rule to adjust the split and cycle of the signals to maintain the probability of a lower limit and a ceiling of standing vehicles is deduced. Through a simulation using the actual traffic data of a city, the effectiveness of our method is shown.     

前摄性车辆路径问题及其遗传算法求解

通过对现有文献中需求信息不确定的动态车辆路径问题，在不确定需求预测和求解算法的基础上，建立了多维数据层客户需求预测方法和前摄性实时控制方法，讨论了潜在客户的响应准则。以总运输成本最小为目标，构建了引入前摄性实时控制方法求解动态车辆路径问题的数学模型，改进了遗传算法对该模型进行求解。应用京东在重庆地区的客户点的配送数据及两阶段综合前摄性调整策略，验证了设计算法的性能，实验结果表明设计的模型及算法可以对客户需求进行更及时有效的响应。     

天课时分配下的多阶段新高考走班制排课算法

伴随新高考改革,高中排课过程需要考虑学生的科目选择。潜在的学生上课时间冲突提高了排出可行课表的难度,排课过程中对课表的复杂要求也更难得到满足。针对这些挑战提出一种多阶段优化算法解决高中“走班制”教学课程时间表优化问题。优化侧重点从课表时段分配转为天课时分配,即对每个课程班每天的课时数目进行决策。除需要满足课时不冲突的约束条件外,主要优化目标为“课时分布均匀”“教案平齐”“同时上课”。根据问题特点设计了三种课表变换算子用于在教学班天课时分配阶段提升新设计的爬山算法的寻优能力。在三组不同难度和规模的实验数据上,多阶段优化算法以高于85%的概率排出可行课表。相较大规模真实案例,人工生成案例和中规模真实案例在目标函数上得到较为理想的优化。整体课表的教案平齐违反主要源于行政班课表。发现同时上课的设置具有指导其他目标函数优化的能力。     

A branch-price-and-cut algorithm for the commodity constrained split delivery vehicle routing problem

We consider the Commodity constrained Split Delivery Vehicle Routing Problem (C-SDVRP), a routing problem where customers may request multiple commodities. The vehicles can deliver any set of commodities and multiple visits to a customer are allowed only if the customer requests multiple commodities. If the customer is visited more than once, the different vehicles will deliver different sets of commodities. Allowing the splitting of the demand of a customer only for different commodities may be more costly than allowing also the splitting of each individual commodity, but at the same time it is easier to organize and more acceptable to customers. We model the C-SDVRP by means of a set partitioning formulation and present a branch-price-and-cut algorithm. In the pricing phase, the ng-path relaxation of a constrained elementary shortest path problem is solved with a label setting dynamic programming algorithm. Capacity cuts are added in order to strengthen the lower bound. We solve to optimality within 2 h instances with up to 40 customers and 3 commodities per customer.     

Modelling peak-hour urban freight movements with limited data availability

Modelling the complexity of urban freight transport requires large amounts of data related to supply chain management, delivery practices, tour configuration, time windows, etc., but when all this detailed data is not available local authorities still need models that represent this type of transport and its contribution to congestion and environmental impacts. We present here an improvement on other recent works, consisting of a demand model for B2B and home deliveries during the morning peak hour that uses only very limited data to estimate the number of delivery vehicles entering and leaving each zone of the city. We then calculate the trip distribution using an entropy maximisation approach, and solve the resulting model using simulated annealing. We apply this model to a case study in the city of Seville, in Spain, and compare its results to those produced by a gravity model, and with actual traffic counts.     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题。首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多类型算例进行仿真实验,结果表明共享物流模式能有效避免交叉配送与迂回运输等不合理现象,降低物流成本,缩短车辆行驶距离,减少车辆碳排放,促进物流与环境的和谐发展。     

基于深度神经网络的电力客户诉求预判

电力企业的客户服务关系到客户的切身利益和企业的经营效益,提升客服系统对电力客户诉求预判的分析与理解能力是改善电力行业客服质量的重要途径之一。为高效、针对性地解决电力客户集中需求,做到“先于客户所想”,本文以深度神经网络技术为基础,针对电力领域改进传统的中文文本分词技术以及特征提取方法,给出电力客户诉求预判的方法和流程,并通过实验验证。本文提出的方法可快速精准地对电力客户服务工单文本进行分类,挖掘出隐藏的客户用电诉求,将服务由被动变主动,第一时间解决电力客户潜在诉求。