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。     

计及漂移瓶颈的时变物料配送路径优化

针对不确定作业车间环境下物料配送路径优化问题,采用能反映制造单元相对生产负荷及其变化趋势的瓶颈指数和瓶颈漂移指数表征实时变化的制造单元物料配送优先级,对路径选择过程中违反此优先级的行为设置惩罚成本,提出以最小化包括车辆运输成本和违反优先级的惩罚成本在内的总配送成本为优化目标,建立了时变的物料配送路径优化模型。在此基础上,为保证运输车辆所载物料全额配送,避免非必要负载以及由此造成的非必要配送子路径,对配送路径优化模型进行改进,允许运输车辆非满载和物料拆分配送,以提高物料配送效率降低配送成本;并结合模型特点将贪婪策略融入遗传算法对优化模型求解。最后,通过某作业车间内物料配送实例验证了所提出的计及漂移瓶颈的改进时变物料配送路径优化方法在不确定作业环境中具有有效性和实用性。     

行驶时间区间不确定的装配线物料配送路径规划

为解决装配线物料配送中车辆行驶时间不确定导致物料不能及时送达的问题,提出行驶时间区间不确定的路径规划方法。不确定行驶时间由区间数表示,采取鲁棒优化方法,引入路径相关不确定参数,以最小化车辆行驶距离为目标,考虑三维装载和时间窗约束,建立装配线路径规划模型,并设计了一种混合遗传算法求解模型。算法中,采用锦标赛选择避免适应度值转换,设计一种离散莱维飞行提高算法搜索性能,通过与不同算法对比,表明了该算法的有效性。最后以变速器装配线物料配送路径规划问题为例,通过该方法得到了不同不确定程度下的路径方案,使用蒙特卡罗方法分析了不同方案抵抗不确定行驶时间的能力。     

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。     

多中心冷链共同配送路径优化及利润分配研究

针对多中心冷链共同配送车辆路径优化研究在生鲜商品新鲜度、资源共享以及合作利润分配机制方面研究的不足，提出了新鲜度约束下多中心冷链共同配送车辆路径优化及利润分配问题。首先，在满足生鲜商品新鲜度要求的前提下建立以车辆配送总成本最小为目标的车辆路径优化模型。其次，根据模型特点，应用K-means聚类算法确定客户点的服务关系，设计改进的混合蚁群算法进行求解。最后，利用Shapley值利润分配模型计算不同联盟体下各企业的利润分配值。结果表明冷链物流企业之间通过联盟合作，可以增加企业利润，且联盟规模越大，企业获利越多。     

面向需求不确定的混装线物流车辆配送区域划分方法

静态的物流车辆调度方案难以适应需求不确定引起的混流装配线物料需求动态变化,导致配送效率低下,甚至生产流程紊乱等问题。针对此问题,提出了一种面向需求不确定的混流装配线物流车辆配送区域划分方法。首先,分析需求不确定对物流车辆配送量的影响,提出了基于信息熵的配送任务复杂性测度方法。其次,在复杂性测度的基础上,建立以物流配送车辆满载率最大、配送任务复杂度最小为目标的调度优化模型。最后,在实例中应用遗传算法对调度优化模型进行求解,得出物流车辆配送区域最优划分方案。结果表明,所提方法能够输出适应需求不确定的物流车辆配送区域划分方案,满足需求变化的同时,保证车辆满载率维持在最高水平,并降低配送任务复杂度,减少配送错误发生率。     

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.     

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。     

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。     

基于模糊软时间窗的车间物料流路径优化方法

为解决实际生产过程中工位物料需求时间不确定的问题,提出基于模糊软时间窗的复杂机械装配车间配送路径优化方法。该方法以"以工位为中心"的物料配送模式为基础,考虑复杂机械装配实际生产中生产节拍波动所引起的物料需求时间变化,利用物料到达时间的模糊隶属度函数表征工位对物料到达时间的满意度。在此基础上,以工位对物料到达时间的平均满意度为约束条件,以最小化配送成本为目标,建立了带模糊软时间窗的物料配送路径优化模型,并采用动态规划和模拟退火遗传算法相结合的方法对模型进行了求解。通过实例验证了该模型的可行性和有效性。     

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。     

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。     

基于订单邻域的成品油二次配送中带时间窗车辆路径规划问题

为了求解一种合适的车辆路径规划方案,在满足加油站配送需求的前提下,使车辆总的配送成本最低,基于订单时间、空间和配送项目属性聚类构建订单邻域系统,将其用于车辆路径规划种群的初始化过程。建立了基于订单邻域系统的成品油配送车辆路径规划问题的数学模型,设计了基于订单邻域系统的改进量子遗传算法对模型进行求解。结合具体算例验证了模型与算法的可行性与有效性。     

基于蚁群算法的货物配送路径优化研究

在探讨车辆路径问题和蚁群算法基本原理的基础上,建立了某货物配送路径优化模型,并采用蚁群算法和单纯形法对该配送中心配送货物运行路径进行了优化研究。对三个实例进行了探讨研究,得出了两种重要的关系。优化方案解决了车辆载货量不均以及配送路程长等问题,优化后的路线方案更加合理。采用蚁群算法解决货物配送路线优化问题的研究,对解决类似理论与实践问题具有参考和指导意义。     

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。     

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。     

越库配送物流系统车辆调度算法的研究

在车辆路径问题(VRP)和一维装箱问题(BNP)研究的基础上,从越库配送的特点和实施方法出发,以最小化仓储成本、运输成本和车辆的使用成本之和为目标,建立越库配送的车辆调度模型.分别基于优化仓储时间和仓储量、车辆使用率以及综合成本等因素,提出求解问题的三种不同的启发式算法.通过开发车辆调度系统,说明越库配送车辆路径问题的模型和算法的实践应用.     

多通路时变网络下低碳车辆路径优化模型与算法

针对城市日益拥堵的交通现状及城市环境污染问题,从现实路网多通路属性的研究入手,设计符合时变网络碳排放计算的时段划分方法,分析了行驶速度变化及车辆载重对排放造成的影响,建立了多通路时变网络下的低碳车辆路径优化模型。基于减少城市环境污染的目标,制定了多通路网络中的通路选择规则,并引入改进冷却函数,设计了双循环模拟退火算法对模型进行求解。通过算例验证了模型与算法减少碳排放的有效性,实验结果表明,多通路时变网络下的车辆配送优化路径可明显降低配送车辆油耗。     

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。