基于改进模拟退火算法的生鲜农产品配送中心选址

运用传统模拟退火算法解决复杂非线性规划问题,存在降温速度与求解质量之间的矛盾,已经不能满足生鲜农产品配送中心选址的需求。为解决这一问题,本文设计一种改进模拟退火算法的生鲜农产品配送中心选址方法。其核心思路是将遗传算法与模拟退火算法融合。首先在退火过程的搜索环节引入以配送中心为编码的染色体个体,并筛选出符合目标函数参数条件的染色体集;然后应用改进模拟退火算法实现选址过程的整体优化;最后采用山东省A公司生鲜农产品配送中心选址问题进行仿真模拟。实验对比结果表明,在多次选址求解过程中,改进模拟退火算法能有效减少传统模拟退火算法在运算后期大量迂回搜索、无效搜索的问题,提升生鲜农产品配送中心选址效率。     

多物流配送中心优化选址决策模型研究

坚持物流配送中心选址与企业长期发展相结合,综合考虑选址方案带来的建设运营成本和长期配送费用,运用粗糙集方法和群决策特征根法对所有定性因素进行综合评判,并把定性要素综合评判值与定量要素相结合构建决策模型。利用遗传算法进行最优决策方案选择,实现了对企业物流配送中心选址过程中所有定性和定量影响因素的综合考虑,同时增加了配送费用考虑年限参数[λ],使得模型具有了更强的实用性。通过仿真实验,模型的有效性和实用性得到了充分的验证。     

配送选址-多车型运输路径优化问题及求解算法

考虑到不同车型、车辆容量、时间窗等约束,研究了配送选址-多车型运输路径优化问题,采用分解法进行问题分析,建立数学模型.首先应用改进聚类分析模型确定配送中心的最佳位置与服务客户群,然后设计遗传算法进行求解.算法比较及算例测试表明它是求解选址-多车型运输路径优化问题的一种有效方法.     

单亲进化遗传算法在多个配送中心选址中的应用

为更好地实现多个配送中心优化选址,在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上,提出应用单亲进化遗传算法求解选址模型。首先,将所有的需求点按空间地理位置的关系自然划分为若干个配送区域范围;其次,在每一个配送区域,利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径;再以优化路径作为父体,求解从各基因为始点的基因片段之和,选择最佳基因片段组合,得到问题的解。该算法可以有效、快速地求得多个配送中心选址问题的全局最优解。     

改进AHP-GA算法的多目标配送路径优化

为准确优化快递配送路径,建立了基于时间窗的快递配送路径优化的数学模型.提出改进AHP-GA算法对多目标配送车辆路径进行优化,利用中位数层次分析算法对多个子目标进行权重系数配比,避免了极端值的影响,从而将多目标优化问题转化为单目标优化问题.通过简单的自然数对车辆路径进行编码,避免了路径重复.考虑了客户对车辆到达时间窗要求,包括车辆在约定时间之前到达获得的机会成本、在约定时间之后到达的罚金成本.最后,本文以1个配送中心,20个服务客户为例,对构建的数学模型通过分别使用传统的GA算法和使用改进AHP-GA算法进行优化,仿真结果表明,利用改进AHP-GA算法进行多目标配送路径优化,可以更加高效地求得问题的最优解.     

生鲜农产品冷链物流低碳配送路径优化研究

综合考虑配送车辆的固定成本、运输成本、生鲜农产品的货损成本、制冷成本、配送过程中产生的碳排放成本，以及因未满足客户要求的服务时间窗而产生的惩罚成本作为目标函数，构建考虑碳排放的生鲜农产品配送路径优化模型，提出了解决该问题的一种结合2-opt局部搜索机制的改进蚁群算法，并用实例对模型及算法的有效性进行验证，同时对算法参数进行了敏感性分析。仿真实验及算法对比结果证明模型和算法是有效的，可以为物流企业的配送决策提供参考。     

时间窗约束下农产品物流配送路径优化研究

农产品需求量增加对物流配送提出较高挑战,基于此提出时间窗约束下农产品物流配送路径优化方法研究。依客户预期服务时间需求,取混合时间窗约束函数确定时间窗、物流配送车辆最大载重、配送路径长度与物流配送车辆约束条件,构建农产品物流配送路径优化模型;基于农产品物流配送需求改进传统遗传算法,求解构建模型,即获农产品物流配送路径优化结果。实验结果显示：相较生鲜农产品多车型冷链物流车辆路径优化,所提方法最优农产品物流配送路径获取迭代次数更少、配送路径长度更短、总成本更低,应用性能更佳。     

基于秃鹰优化算法的多循环物流选址-运输路径优化问题研究

文章基于秃鹰优化算法对多循环物流选址-运输优化问题进行研究,首先阐述秃鹰优化算法的基本内容和多循环物流选址-运输路径优化的方式,明确本次研究主要内容的同时,为本次研究提供理论支撑;其次介绍基于秃鹰优化算法的多循环物流选址-运输路径优化问题求解,细化本次研究主要内容;再次按照上述内容,提出相关的实验设计与结果分析,利用实验数据和图像,提高本次研究的可实施性和实践价值。最终通过研究,体现出前沿的科学技术对于推动社会各领域的发展和进步具有非常重要的作用,尤其在基础社会行业中的应用,前沿科学技术是不可替代的。     

考虑前置仓协作的两级生鲜配送路径优化研究

针对生鲜配送优化研究中存在的易腐烂变质、送达时效性低、物流成本高、车辆载重率低等问题,传统的配送方式难以有效适应生鲜物流,为此提出了前置仓协作的两级配送路径优化策略。考虑生鲜运输的时效性要求,结合冷藏车辆的固定成本、制冷成本、惩罚成本因素,以总成本最低为目标建立数学模型,设计改进遗传算法进行求解,并通过仿真实例验证模型和算法的有效性。结果表明,相比于前置仓传统的独立配送策略,前置仓协作的两级配送策略能够有效地降低配送成本。     

多层级设施选址-路径规划问题建模及算法

基于有向图对物流网络多层级设施选址-路径规划问题,建立混合整数规划数学模型,提出量子进化算法与遗传算法协同的双智能算法集成求解方案.量子进化算法解决设施选址和设施分配,遗传算法进行路径规划,并提出可达配送区域的搜索策略和路径长度为权重的设施分配优化策略以提高算法效率.实例测试表明,所提出的数学模型和组合智能算法是可行而有效的,可为多层级设施选址-路径规划问题提供理论与方法指导.     

带时间窗同时送取货选址路径问题及其烟花算法求解

随着电子商务的飞速发展以及互联网的普及,退换货更加便捷,因此客户对商品的需求呈现出时效性、多品种、小批量、退换货等特点。针对有容量的同时送取货选址路径问题（LRPSPD）,同时考虑客户多样性需求的特点,建立了带时间窗的同时送取货选址路径问题（LRPSPDTW）的数学模型。使用改进烟花算法（IFWA）对模型进行求解,对烟花爆炸和变异进行相应的邻域操作,并用一些基准LRPSPD算例来评估烟花算法的性能。通过大量的数值实验验证了所提模型和算法的正确性和有效性。实验结果表明,相较于分支切割算法（B&C）,IFWA得到的结果与标准解的平均误差缩小了0.33个百分点。所提算法缩短了寻求最优解的时间,为解决选址路径相关问题提供了一种新的解决思路。     

超启发式分布估计算法求解带软时间窗的同时取送货车辆路径问题

本文针对带软时间窗的同时取送货车辆路径问题(VRPSPDSTW),以最小化车辆行驶总里程和最大化服务准时率为优化目标,提出一种超启发式分布估计算法(HHEDA)进行求解.全局搜索阶段,首先,提出3种启发式规则生成初始个体,以确保初始种群的质量和分散性;其次,根据问题特点,构造3个概率矩阵分别学习和积累优质解的排序信息、...     

A genetic algorithm for the simultaneous delivery and pickup problems with time window

This paper concerns a Simultaneous Delivery and Pickup Problem with Time Windows (SDPPTW). A mixed binary integer programming model was developed for the problem and was validated. Due to its NP nature, a co-evolution genetic algorithm with variants of the cheapest insertion method was proposed to speed up the solution procedure. Since there were no existing benchmarks, this study generated some test problems which revised from the well-known Solomon’s benchmark for Vehicle Routing Problem with Time Windows (VRPTW). From the comparison with the results of Cplex software and the basic genetic algorithm, the proposed algorithm showed that it can provide better solutions within a comparatively shorter period of time.     

同时送取货选址路径问题及混合免疫算法

研究了同时送取货的选址路径问题(location-routing problem with simultaneous pickup and delivery,LRP-SPD),在同时送取货问题中,每个客户都有送货需求和取货需求,并且两种需求需要同时进行服务.在此条件下,建立了以仓库的选址成本、车辆启用成本及运输成本等目标和最小的选址路径模型;针对该模型的特点,设计改进了一种混合免疫优化算法(hybrid immune algorithm,HIA)对该问题进行求解,运用贪心聚类算法生成初始解,利用原始免疫算法对抗体进行评价排序,由邻域搜索操作改进原始算法的免疫操作.最后,通过使用混合免疫优化算法与原始免疫优化算法、模拟退火算法、蚁群算法分别对案例进行求解和对比分析,验证了提出模型的可行性和算法的有效性.     

考虑同时取送货的车机协同路径优化问题

考虑到传统同时取送货问题模式单一,无法应对复杂多变情况的现实需要,研究了一种考虑同时取送货的路径优化问题(vehicle routing problem with drones for simultaneous pickup and delivery, VRPD-SPD)。首先,以车辆与无人机总成本最小为优化目标,建立了考虑无人机单架次访问顺序约束的混合整数线性规划模型。其次,提出了一种基于遗传思想的两阶段启发式算法(two-stage heuristic algorithm based genetic, TSHAG),第一阶段结合贪婪算法和节约算法生成初始解,第二阶段通过改进的遗传算法优化初始解,设计了多元组编码方式来提高解码效率,改进了交叉算子来增加邻域解的搜索空间,设计了新的变异算子来提高算法全局寻优性能。最后,算例实验结果表明了TSHAG算法能够有效地解决VRPD-SPD问题。     

A hybrid discrete particle swarm optimization for vehicle routing problem with simultaneous pickup and delivery

Vehicle routing problem (VRP) is an important and well-known combinatorial optimization problem encountered in many transport logistics and distribution systems. The VRP has several variants depending on tasks performed and on some restrictions, such as time windows, multiple vehicles, backhauls, simultaneous delivery and pick-up, etc. In this paper, we consider vehicle routing problem with simultaneous pickup and delivery (VRPSPD). The VRPSPD deals with optimally integrating goods distribution and collection when there are no precedence restrictions on the order in which the operations must be performed. Since the VRPSPD is an NP-hard problem, we present a heuristic solution approach based on particle swarm optimization (PSO) in which a local search is performed by variable neighborhood descent algorithm (VND). Moreover, it implements an annealing-like strategy to preserve the swarm diversity. The effectiveness of the proposed PSO is investigated by an experiment conducted on benchmark problem instances available in the literature. The computational results indicate that the proposed algorithm competes with the heuristic approaches in the literature and improves several best known solutions.     

集货需求模糊的异型车同时配集货路径优化

针对集货需求模糊的异型车同时配集货车辆路径问题(HFVRPSDDFP),基于先预优化再重优化的思路构建模型.预优化阶段根据可信度理论和车型选取方法为客户点分配车辆,生成配送方案.重优化阶段利用随机模拟算法(SSA)确定客户集货需求,对服务失败的客户点,制定服务策略,将模糊问题转化为确定型的异型车辆路径问题(HFVRP)...     

A particle swarm optimization for the vehicle routing problem with simultaneous pickup and delivery

This paper proposes a formulation of the vehicle routing problem with simultaneous pickup and delivery (VRPSPD) and a particle swarm optimization (PSO) algorithm for solving it. The formulation is a generalization of three existing VRPSPD formulations. The main PSO algorithm is developed based on GLNPSO, a PSO algorithm with multiple social structures. A random key-based solution representation and decoding method is proposed for implementing PSO for VRPSPD. The solution representation for VRPSPD with n customers and m   vehicles is a (n+2m)$(n+2m)$-dimensional particle. The decoding method starts by transforming the particle to a priority list of customers to enter the route and a priority matrix of vehicles to serve each customer. The vehicle routes are constructed based on the customer priority list and vehicle priority matrix. The proposed algorithm is tested using three benchmark data sets available from the literature. The computational result shows that the proposed method is competitive with other published results for solving VRPSPD. Some new best known solutions of the benchmark problem are also found by the proposed method.     

多目标同时取送货车辆路径问题的改进蚁群算法

为使同时取送货车辆路径问题(vehicle routing problem with simultaneous pickup and delivery, VRPSPD)的运输成本和各路径间最大长度差最小化,建立同时考虑车辆容量和距离约束的VRPSPD双目标模型,通过软件测试验证了模型准确性.针对问题的特点构造一个嵌入禁忌表、且具有贪婪转移准则的多目标蚁群算法,对蚂蚁产生的解执行多目标迭代局部搜索程序,以在多个邻域上优化该解或产生新的Pareto解.采用响应曲面法拟合算法参数对目标值影响的数学关系,确定最优参数组合.用该算法求得文献中12组Solomon算例的Pareto解集,并以绝对偏向最小化总成本的解与文献中仅最小化总成本的几种算法的计算结果进行比较,结果表明算法可求得权衡各目标且使单一目标近似最优的Pareto解.     

基于剩余装载能力的蚁群算法求解同时送取货车辆路径问题

建立了带车辆最大行程约束的同时送取货车辆路径问题的混合整数规划模型; 采用了基于排序的蚂蚁系统和最大最小蚂蚁系统的信息素更新策略; 设计了基于车辆剩余装载能力的启发信息策略, 可在满足车辆负载的限制下, 提高车辆的负载利用率; 并在改进阶段使用了节点交换的局部搜索策略,以提高算法收敛速度. 仿真结果表明本文算法能够在可接受的计算时间内得到满意解.