带软时间窗的开放式满载车辆路径问题研究

为满足某些生产制造企业的满载运输需求,针对运输任务对车辆具有独占性的特点,分析得到总运输费用的大小取决于车辆的空车行驶费用,在此基础上,将带软时间窗的开放式满载车辆路径问题转化为带软时间窗的多车场开放式车辆路径问题,在非对称图上建立了相应的数学模型,并设计了近邻粒子群算法对模型进行求解。设计算例对算法进行了验证,实验结果表明：该算法可以快速求得软时间窗的开放式满载车辆路径问题的满意解。     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该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理论依据。     

改进的自适应大规模邻域搜索算法求解动态需求的混合车辆路径问题

为了给物流企业在车辆配送方案制定上提供决策支持,针对电动物流车与燃油物流车混合配送的模式,研究了带时间窗的动态需求车辆路径问题,建立了以配送总成本最小化为目标的两阶段整数规划模型.针对模型特点,设计了改进的自适应大规模邻域搜索(improved adaptive large neighborhood search,IALNS)算法,提出新的删除、修复算子及动态阶段加速策略,分别针对大规模的静态算例与动态算例进行算法性能测试.结果表明,与无改进策略的IALNS(IALNS-ND)相比,静态问题中在相同的求解时间内75％的算例(12个算例中9个)IALNS得到的最小值和平均值优于IALNS-ND,动态问题中95％(60个算例中57个算例)的算例可以得到成本和时间均优于IALNS-ND的解;与三种算法——自适应大规模邻域搜索算法(ALNS)、大规模邻域搜索算法(LNS)以及变邻域搜索算法(VNS)相比,静态问题中所有算例IALNS获得的总成本的最小值和平均值均优于三个对比算法,动态问题中58％(60个算例中35个算例)的算例IALNS能够以少于三个对比算法1.5倍甚至10倍的时间获得更优的解.同时随着问题动态度的提高,IALNS的速度更快,质量更好,证明了该算法在求解时效性要求高的动态需求车辆路径问题的优越性.     

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。     

基于问题性质的装配式预制件配送优化算法

在传统建筑业转型升级的背景下,新型建筑工业化推动了装配式建筑的发展.本文针对预制件生产企业物流管理的关键环节进行了研究,考虑异构车辆约束、装载机约束和时间窗约束,以最小化总运输成本为目标,提出了考虑多频次访问特性的车辆调度问题,进而设计了一种针对问题特性的混合基因算法.为求解该问题,算法基于问题性质设计了三维编码方式,以增强算法探索解空间的能力;引入基于需求划分的多样性评估模型和自适应调整机制来保持种群多样性;提出了4种不同的邻域策略进一步增强局部搜索能力.最后,在不同规模算例上进行了仿真实验与算法对比,验证了算法的有效性,同时,对车辆购买类型和数量对总物流成本的影响进行了分析.     

基于Sweep和主动禁忌的多时窗VRPPD设计

针对多时窗装卸车辆路线问题(vehicle routing problem with pickups and deliveries,VRPPD),提出了一种基于Sweep算法和主动禁忌算法的多时窗VRPPD问题求解方法.定义了多时窗VRPPD问题的数学模型;通过改进的Sweep算法获取初始解,设计了候选解结构、适应度函数、4种邻域操作以及邻城操作需满足的车辆容量约束和时间窗约束方程,采用主动禁忌算法自适应地修改禁忌长度以增强算法的全局寻优能力;定义了具体的多时窗VRPPD求解算法.实验结果表明,该方法能有效地解决多时间窗VRPPD问题;与其它方法相比,该方法具有全局搜索能力强和收敛速度快的优点.     

网约拼车出行的乘客车辆匹配及路径优化

城市道路拥堵严重及共享理念的盛行带来了拼车出行的兴起。出行线路相似的乘客共乘一辆车,可提高座位利用率、节省费用、缓解交通压力。以带时间窗约束的无换乘多车辆静态拼车问题为研究背景,从车辆使用费、途中走行成本及到达时间窗惩罚成本3个方面建立乘客车辆匹配及路径优化的目标函数,以车辆容量、乘客出发及到达时间窗、路径无迂回、乘客车辆匹配无重叠等限制构建模型约束条件,采用演化策略算法求解问题,根据模型特征设计编码解码规则,解码结果可同时获得车辆乘客匹配关系和走行路径,采用交叉变异操作更新迭代个体种群,进而求得最优解。运用MATLAB求解算例验证了模型可行性及算法有效性,结果表明算法能快速响应静态拼车问题,在较短时间即可给出乘客车辆的先后匹配关系及车辆走行路径,拼车方案相比独自出行能节省更多成本。     

协同车辆路径问题的模糊规划模型和算法*

属于不同公司的配送中心共享车队、仓储等资源为客户协同配送货物的协同车辆路径问题是一个热点问题。考虑车辆行驶时间和顾客服务时间的不确定性,建立以车辆配送总费用最小为目标的一类带时间窗协同车辆路径问题模糊规划模型,将其进行清晰化处理使之转换为一类确定性数学模型,采用魏明等人的自适应离散粒子群算法求解该问题。最后通过一个算例得出结论：同普通物流配送情形相比,该模型求解的总配送里程和费用均有效减少,验证了模型的正确性和合理性。     

带硬时间窗模糊车辆路径问题的多目标优化

针对带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立多目标模糊期望值模型,提出求解该问题的自适应混合多目标粒子群优化算法.该算法根据相位空间的思想给出一种实数编码方式,设计双存档机制,分别存储演化过程中产生的非支配解和有益不可行解,并引入自适应局部搜索、变异和粒子全局向导选择策略.仿真实验结果表明,与多目标进化算法相比,该算法可以获得更优的Pareto解集.     

带时间窗车辆调度问题的改进粒子群算法

带时间窗车辆调度问题是一类典型的NP难解问题。为了克服标准粒子群算法存在早熟收敛和易陷入局部解等问题,提出了一种改进的粒子群优化算法。该算法在惯性权重递减的基础上通过群体极值进行[t]分布变异,使算法跳出局部收敛,将该算法应用于带时间窗的车辆调度问题优化。算例证明了改进粒子群算法应用于求解带时间窗的车辆调度问题的可行性和有效性。     

换电模式下电动车货运路径优化模型与算法

针对考虑电池续航能力和换电站约束的电动车货运路径优化问题,提出考虑速度、载重和距离等多因素的电动车碳排放计算方法。首先,以耗电量和旅行时间费用最小化为目标,建立混合整数规划模型;然后,在爬山优化和换电邻域搜索的基础上提出一种自适应遗传算法,并设计随种群适应度变化而自适应调整的交叉和变异概率;最后,采用爬山搜索加强算法的局部搜索能力,并设计电动车换电邻域搜索策略对最优解进行进一步的改进,以满足电池续航能力和换电站约束,得到最优可行解。实验结果表明：相较于传统的遗传算法,自适应遗传算法能够更快速有效地找到满意解;考虑耗电量和旅行时间的路径安排能够减少货运配送的碳排放和总费用;与固定的交叉和变异概率参数设置相比,自适应参数调节方法能够更有效防止局部优化问题,提高算法的全局搜索能力。     

考虑供应商选择的选址一库存一路径的联合优化

针对装配型制造企业供应链集成优化问题,建立了随机需求情形下整合供应商选择和各层级之间运输方式选择的多层级选址—库存模型。该模型通过对供应商的选择,装配厂和分销中心的选址,相邻两层级之间的分配服务关系及运输方式的确定,实现整体供应链网络成本最小化。为求解此混合整数非线性规划模型,设计了一种矩阵编码的改进自适应遗传算法。仿真实验表明,该算法的解的寻优能力明显优于标准遗传算法,得出了供应链总成本与装配厂的最大提前期存在一定规律性的结论。     

基于成本的服务链组成与部署联合优化策略

网络功能虚拟化（NFV）通过将虚拟网络功能（VNF）部署在虚拟设备中,提高了网络管理的灵活性,但随着服务需求的扩大,网络供应商消耗的运营支出（OPEX）也不断增加。由于VNF改变流大小的特性、VNF间的依赖性以及组成和部署方式的复杂性,面向OPEX的VNF组成和部署问题充满挑战。提出一种面向成本的虚拟网络链组成和部署联合优化策略,将节点映射成本、链路映射成本、激活成本和能耗成本公式化为OPEX,构建混合整数非线性规划模型。为分析影响成本的不同因素,同时提高特殊依赖情况下的处理效率,根据不同依赖关系将VNF请求集分为完全无序、部分有序和完全有序VNF集合进行分析,并设计3种相应优化算法。实验结果表明,在完全无序、部分有序情况下,算法性能优于首次适应算法、随机拟合算法等同类算法,对于完全有序算法,当节点资源配比在50%以上时,可获得小规模网络下近似线性规划模型精确解的方案。     

A discrete differential evolution algorithm for the single machine total weighted tardiness problem with sequence dependent setup times

This paper is concerned with solving the single machine total weighted tardiness problem with sequence dependent setup times by a discrete differential evolution algorithm developed by the authors recently. Its performance is enhanced by employing different population initialization schemes based on some constructive heuristics such as the well-known NEH and the greedy randomized adaptive search procedure (GRASP) as well as some priority rules such as the earliest weighted due date (EWDD) and the apparent tardiness cost with setups (ATCS). Additional performance enhancement is further achieved by the inclusion of a referenced local search (RLS) in the algorithm together with the use of destruction and construction (DC) procedure when obtaining the mutant population. Furthermore, to facilitate the greedy job insertion into a partial solution which will be employed in the NEH, GRASP, DC heuristics as well as in the RLS local search, some newly designed speed-up methods are presented for the insertion move for the first time in the literature. They are novel contributions of this paper to the single machine tardiness related scheduling problems with sequence dependent setup times. To evaluate its performance, the discrete differential evolution algorithm is tested on a set of benchmark instances from the literature. Through the analyses of experimental results, its highly effective performance with substantial margins both in solution quality and CPU time is shown against the best performing algorithms from the literature, in particular, against the very recent newly designed particle swarm and ant colony optimization algorithms of Anghinolfi and Paolucci [A new discrete particle swarm optimization approach for the single machine total weighted tardiness scheduling problem with sequence dependent setup times. European Journal of Operational Research 2007; doi:10.1016/j.ejor.2007.10.044] and Anghinolfi and Paolucci [A new ant colony optimization approach for the single machine total weighted tardiness scheduling problem. http://www.discovery.dist.unige.it/papers/Anghinolfi_Paolucci_ACO.pdf, respectively. Ultimately, 51 out of 120 overall aggregated best known solutions so far in the literature are further improved while other 50 instances are solved equally.     

混合粒子群算法求解带软时间窗的VRPSPD问题

针对带软时间窗的同时集配货车辆路径问题（VRPSPD）,建立了以车辆派遣成本、行驶成本和时间窗惩罚成本之和最小为目标的车辆路径优化模型;设计混合粒子群算法进行求解,该算法结合以变邻域下降搜索为主体的适应性扰动机制,采用适应性选择邻域策略,并在每个邻域搜索中应用可变的循环次数,以此提高对解空间的探测能力和搜索效率。数值实验结果表明了该算法的可行性和有效性。     

基于改进蚁群算法的项目组合工期-成本优化

战略导向下的项目组合工期-成本优化是现代企业进行多项目管理所面临的重要问题之一,对企业实现资源效益最大化有着至关重要的促进作用。以战略导向下的项目组合工期-成本综合值最小化为研究对象,提出了优化组合项目中工序选择和执行次序的数学模型,在引入自适应权重法、调整信息素系数和混沌扰动变量的基础上,设计了求解该优化模型的改进蚁群算法。通过实例运算表明,改进后的蚁群算法,能够有效地提高算法全局搜索寻优能力和收敛速度,在求解战略导向下的项目组合工期-成本优化问题方面有较强的鲁棒性和实用价值。     

面向全局搜索的自适应领导者樽海鞘群算法

针对实际配送过程中客户需求、车辆服务时间随机可变,提出带软时间窗的随机需求和随机服务时间的车辆路径问题.以配送车辆行驶路径为研究对象,建立基于配送成本、时间惩罚成本、修正成本的配送车辆路径优化模型,并提出一种混合禁忌搜索算法.该算法将最近邻算法和禁忌搜索算法相结合,将时间窗宽度及距离作为最近邻算法中节点选择标准;并对禁忌搜索算法中禁忌长度等构成要素进行自适应调整,引入自适应惩罚系数.实验结果表明,改进后的混合禁忌搜索算法具有较强的寻优能力、较高的鲁棒性,同时算法所得车辆行驶路径受客户需求变动影响较小.     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

一种融合模拟退火和单亲遗传的优化求解算法

度约束最小生成树是一个经典的组合优化NP难题,其在网络设计和优化中有广泛的应用;现有求解方法往往不能很好地兼顾求解效率和求解精度;为了在缩短求解时间的同时,更好地获得最优解,提出了一种结合模拟退火算法和单亲遗传算法的改进求解算法;首先,改进遗传算法中变异因子的生成方式,避免不可行解个体的产生,并且设计自适应变异率,以提高算法的求解效率;其次,针对单亲遗传算法仅有变异操作可能导致最优解个体跳跃的问题,结合模拟退火的思想,来保证解的全局最优性;最后,在具体的度约束最小生成树问题中进行了三组实验,从运行时间和最优解的情况等方面与传统单亲遗传算法进行对比,实验表明该算法在求解效率和获得最优解方面都有较好的改进效果。