时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。     

模糊需求车辆路径问题的模型与算法①

建立了具有模糊特征的模糊车辆路径问题的数学模型,提出了求解该模型的一种基于模糊模拟的新禁忌搜索算法。这种模型与算法,将传统确定性车辆路径问题扩展为具有模糊特征的模糊车辆路径问题。通过先聚类后排序的方法,将问题分解成一个指派问题和一个TSP问题。在聚类过程中,既考虑到了车辆容量和决策者的偏好,又充分利用了已知的需求信息。实验表明,这种模型与算法是解决物流配送中模糊需求车辆路径问题的一个较好方案。     

基于免疫萤火虫算法的RFID仓储车辆动态调度

针对物流配送实时仓储车辆调度问题,提出了一种基于RFID技术的免疫萤火虫车辆动态调度框架。建立了基于配送成本的带约束条件车辆路径问题数学模型,运用免疫萤火虫优化算法求解该模型,免疫萤火虫优化算法将萤火虫优化及免疫克隆技术融合,采用多层进化模式,在低层萤火虫操作中及高层免疫操作中分别引入多态子种群自适应机制和全局极值筛选策略,以提高算法全局收敛效率,在此基础上设计了仓储车辆动态调度框架,将车辆动态调度过程分为车辆调度任务控制和路径优化两个阶段,给出了车辆动态调度任务处理流程。实验仿真表明,该车辆动态调度算法能够有效地解决大规模动态物流车辆调度问题。     

物流配送中烟花算法结合遗传算法的异质车队路径优化方法

针对物流配送中车辆路径的问题,提出一种烟花算法结合遗传算法的物流配送异质车队路径优化方法。根据优先聚类其次路径的两阶段构造理论将新型群体智能算法烟花算法与遗传算法进行有效结合,首先按运力空间划分聚类区域,并采用改进的遗传算法解决为客户分配车辆的问题,然后通过采用烟花算法对路径排序实现本地路径优化。将该方法的实验结果与经验结果进行了比较,结果表明,所提出的混合算法模型得到的实验结果优于经验结果。     

预制构件并行生产线资源配置与生产调度集成优化

并行生产线和特定工序生产资源共享模式可以显著改善客户满意度并节约成本.针对预制构件并行生产线资源配置与生产调度集成优化问题,基于分解策略和交替迭代优化思想,提出一种交替式混合果蝇-禁忌搜索算法(AHFOA＿TS)以最小化拖期惩罚费用.首先,通过快速启发式方法产生一较好初始解;然后,固定资源配置方案,为提高算法局部搜索能力,通过集成多种局部搜索方式,设计一种离散果蝇优化算法优化订单指派及调度方案;最后,固定订单指派及调度方案,为减少无效搜索次数,设计一种基于双层变异算子和精英劣解交叉策略的混合禁忌搜索算法以优化资源配置方案,如此两个阶段交替运行直至满足终止条件.此外,设计4种基于交替搜索框架的智能优化算法用于比较.计算结果表明, AHFOA＿TS算法能够更有效求解预制构件生产线资源配置和生产调度集成优化问题.     

多目标应急物资路径优化及其改进智能水滴算法*

针对多目标应急物资配送中车辆路径优化问题,提出了基于改进智能水滴算法的多目标应急物资路径优化方案。主要包括以下四个阶段：(1) 构建基于Holling-II函数的疾病扩散模型;(2) 各疫区对药品的需求预测;(3) 构建多目标应急物流配送模型;(4) 改进的智能水滴算法求解多目标应急物资优化问题。研究结果表明：所建立的模型与算法有效可行,可为应急管理相关问题提供决策参考。     

物流配送车辆路径优化问题的仿真研究

研究物流配送车辆路径优化问题,由于物流行业要求货物及时配送,又要降低物流运输成本.物流配送车辆路径选择是重点解决的问题,传统优化方法搜索时间长,难以找到最优路径,造成物流配送成本高.为了降低物流配送成本,提高车辆路径优化效率,提出一种蚁群算法的物流配送车辆路径优化算法.首先对物流配送车辆路径问题进行分析,然后建立相应的数学模型,最后采用蚁群算法对车辆路径问题的数学模型进行求解.通过具体实例对算法进行实验,实验结果表明,蚁群算法提高寻优效果,找到的物流配送车辆路径的最优解短于其它算法,降低物流配送成本,并为物流配送车辆路径选择提供了一种有效算法.     

考虑交通时变特性的城乡快递无人机配送优化研究

针对农村快递网点运营成本高、网点建设滞后导致的电商物流配送成本高问题,提出了城乡客运班车+无人机的快递配送模式。在考虑了配送过程中路网交通的时变特性的情况下,以无人机—车辆配送系统总成本最小为优化目标,建立了时变网络下带时间窗的无人机—车辆路径问题（TDVRPDTW）模型,并提出一个由基于最近邻思想的改进CW算法和动态规划启发式算法构成的两阶段启发式算法来求解TDVRPDTW。最后,通过算例求解验证构建模型的合理性和求解算法的有效性,为制定农村物流配送的城乡客运班车+无人机快递配送方案提供决策支持。     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

粒子群和蛙跳的混合算法求解车辆路径问题

提出一种求解物流配送车辆路径问题的改进粒子群算法。新算法采用粒子群算法产生阶段最优解,利用蛙跳算法对阶段最优解进一步优化。实验表明,此算法是解决车辆路径问题的一个有效算法。     

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。     

物流配送中心配载车辆调度问题研究

物流配载车辆调度目标就是针对特定任务调配车辆资源以降低成本费用。分析了车辆和特定运输任务的相关约束条件,提出了物流中心配载车辆调度问题数学模型。重点研究了基于任务时间窗逻辑顺序约束求取可行解的“分组”算法、以及基于时间窗约束冲突概率对可行解基因实施交叉的优化算法。实验结果表明在多任务、多约束条件下采用该算法可快速求取物流配载调度问题的最优解。     

约束不均衡条件下车辆双层线路规划流动稳定性问题研究

双层线路在高峰期时,车辆规划计算最优解过程中为每个约束条件都分配一个最优解,会极大地浪费计算资源。车辆物流线路规划过程中,约束条件不均衡的天然特性,会导致规划过程车辆的流动稳定性受到影响。针对约束条件不均衡,对车辆双层线路规划流动稳定性影响的问题展开研究。构建了车辆物流线路双层规划Stackelberg模型,上层部分主要用于约束车辆物流线路的容量以及结构,排除不可用路线;下层部分主要对车辆物流线路实施均衡化配流,防止过多的车辆拥挤在同一路线中。利用模型将调度业务整合到高容量的路线中调度。在模型中加入调度资源缓存技术,保证调度过程的稳定性。实验结果表明：与使用单一模型求解相比,使用该模型进行调度业务疏导,可以在很大程度上获得更稳定的性能,解决了车辆物流线路规划流动稳定性问题。     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。     

多资源约束的车辆调度问题的改进遗传算法

随着世界经济的发展,物流产业中需要满足的需求越来越多,车辆管理调度是物流系统中一个重要环节。如何在多资源约束的情况下实现车辆的合理的调度是促进现代物流业繁荣和发展的关键问题,因此,通过研究物流配送中的车辆调度需求,针对传统的遗传算法阻碍了车辆调度的发展和改进,减缓物流业快速发展的缺点,提出一种改进的、有效的,对一般车辆调度问题具有一定适用性的遗传算法。通过实例论证表明该算法具有可行性和高效性。     

基于第三方物流的家具配送开放式车辆路径问题

为了降低家具配送成本,提高物流效率,基于第三方物流配送模式,构建了以总行驶距离最短和车辆数最少为最优目标的开放式车辆路径问题(open vehicle routing problem,OVRP)数学模型,并设计了一个改进的两阶段禁忌搜索算法进行求解,第1阶段求解包含所有客户的TSP(traveling salesman problem)路径来作为第2阶段划分OVRP路径的基础.设计了一个随机动态禁忌表,并将"邻域算子编号"和"邻域交换点对"同时作为禁忌对象,避免了过度禁忌的情况.另外,对5个邻域算子进行了测试,表明采用由点交换、分序点插入、点逆序和前点前向插入这4个算子组成的多邻域结构体效果最佳.经算例测试和文献对比,验证了设计算法的有效性,采用第三方物流配送比自营物流配送更节省成本.     

基于改进遗传算法的车辆调度模型

随着运输网络复杂程度的不断增加,运输车辆会遇到车祸、拥堵等干扰,传统的车辆调度模型缺少对这种干扰风险的分析,无法建立较为准确的调度模型,造成调度车辆遇到干扰时,调度效率大幅降低。为了避免上述缺陷,提出了一种基于改进遗传算法的车辆路径调度算法,引入扬长避短的思想,对所有的车辆运输路径进行编码,并对所有的路径进行选择、交叉和变异运算,运用模拟退火算法提高算法的寻优性能,形成车辆的高效调度。实验结果表明,利用改进算法进行车辆调度,能够提高运输的效率,从而满足实际运输需求。     

Integrated production and delivery with single machine and multiple vehicles

This paper considers a class of multi-objective production–distribution scheduling problem with a single machine and multiple vehicles. The objective is to minimize the vehicle delivery cost and the total customer waiting time. It is assumed that the manufacturer’s production department has a single machine to process orders. The distribution department has multiple vehicles to deliver multiple orders to multiple customers after the orders have been processed. Since each delivery involves multiple customers, it involves a vehicle routing problem. Most previous research work attempts at tackling this problem focus on single-objective optimization system. This paper builds a multi-objective mathematical model for the problem. Through deep analysis, this paper proposes that for each non-dominated solution in the Pareto solution set, the orders in the same delivery batch are processed contiguously and their processing order is immaterial. Thus we can view the orders in the same delivery batch as a block. The blocks should be processed in ascending order of the values of their average workload. All the analysis results are embedded into a non-dominated genetic algorithm with the elite strategy (PD-NSGA-II). The performance of the algorithm is tested through random data. It is shown that the proposed algorithm can offer high-quality solutions in reasonable time.     

多配送中心粮食物流车辆调度混合蚁群算法

在对多配送中心粮食车辆调度问题进行直观描述的基础上,建立了该问题的数学模型。并在国内外研究现状的基础上,提出了一个混合蚁群算法来求解多配送中心车辆调度问题,设计了蚂蚁转移策略、可行解构造策略和信息素更新策略,采用K邻域来限制蚂蚁的转移目标,并采用LK算法优化策略来优化蚂蚁遍历路径和可行解。给出了一个具有代表性的算例实验结果和结果分析,通过实验表明了此方法对优化多配送中心粮食车辆调度问题的有效性。