基于多中心共同配送的收益分配优化问题

针对多中心共同配送优化研究在收益分配机制方面存在的不足,提出先进行多中心共同配送优化后再进行收益分配优化的思想。以多中心共同配送网络构建的总成本最小化为目标函数,建立了基于配送中心到配送单元的配送成本和配送中心间运输成本的数学规划模型,并提出一种改进的遗传—粒子群优化混合算法求解模型;应用最小最大费用收益分配模型求解多中心共同配送优化成本的收益分配方案,并综合不同合作博弈论收益分配模型进行比较分析;提出应用合作联盟稳定性模型探讨不同收益分配方案的优劣;应用严格单调路径方法分析联盟成员的优化合作序列。通过实例对所提方法的合理性进行了验证,结果表明,该方法应用在多中心共同配送收益分配优化中能提高合作联盟的稳定性,也适用于基于多中心合作联盟稳定性的物流配送网络优化。     

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。     

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。     

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。     

送提一体与终端共享下的最后一公里配送选址—路径问题

为有效解决电商物流最后一公里配送问题,基于最后一公里配送特征分析,从系统集成优化的角度出发,对送提一体与终端共享下的多主体共同配送选址—路径问题进行了研究。在该问题中,任意客户均存在两种服务方式,自提点可同时服务不同企业的客户,且能够被不同企业的配送车辆访问。针对该问题,建立了以系统总成本最小化为目标的整数规划模型,并设计了一种融合遗传算法、局部搜索算法及多种先进进化与搜索策略的混合遗传算法予以求解。在此基础上,通过基于标准算例库和实际案例的对比仿真实验验证了算法和模型的有效性。     

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。     

配送属性数据驱动的协同配送联盟组建

为解决潜在的稳定协同配送联盟快速识别的问题,提出基于分析配送属性数据识别联盟机会和潜在伙伴的方法。分析了协同配送联盟可能的驱动方式,并建立了经济配送占比模型、共同社会关系强度模型、出车时段互补强度模型和车辆资源互补模型衡量配送中心的协同效应;以此为优化目标,建立了配送属性数据驱动的协同配送潜在联盟识别优化模型,提出了基于时空距离的最大最小聚类法来划分配送域,结合数据预处理和遗传算法实现模型求解,实现通过配送业务数据来快速优化识别潜在的稳定协同配送联盟。实例表明,所提方法避免了主观评价和排序,可直接根据配送属性数据有效识别出多个辐射范围重叠、配送社会网络重叠、资源互补的协同配送联盟。为协同配送联盟的稳健运行和更长的生命周期奠定了坚实的基础。     

基于遗传模拟退火算法的大件公路运输路径选择优化

针对大件公路运输路径选择优化难题,以最小化运输成本为目标,在考虑带配送时间窗、客户服务时限、车辆超载惩罚、车辆载重限制、车辆容积限制的基础上,构建了大件公路运输路径选择优化模型,并提出改进遗传模拟退火算法对此类问题进行优化.该算法首先基于满足车辆容积和承载量的两层编码方式产生多个初始种群,然后各种群之间通过相互竞争实现优秀个体的迁移共享,最终搜索到最优解.最后,通过实例仿真验证了该算法解决此类特殊运输问题的有效性,并通过与其他算法进行比较,证明了该算法的先进性,为大件公路运输路径选择问题提供了新的解决思路.     

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。     

基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法.以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力.文章最后以青贮机装配线实际案例验证了...