时变网络条件下带时间窗的食品冷链配送定位—运输路径优化问题

为解决食品冷链配送系统优化问题,针对易腐品特性,结合配送网络时变特征进行行程时间分析,根据服务时间窗设计满意度函数,建立时变条件下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计最小包络聚类分析方法与混合遗传算法求解。仿真计算验证了模型和算法的有效性与研究的实用价值。     

基于深度强化学习的电力物资配送多目标路径优化

针对现有电力物资车辆路径问题（EVRP）优化时考虑目标函数较为单一、约束不够全面,并且传统求解算法效率不高的问题,提出一种基于深度强化学习（DRL）的电力物资配送多目标路径优化模型和求解算法。首先,充分考虑了电力物资配送区域的加油站分布情况、物资运输车辆的油耗等约束,建立了以电力物资配送路径总长度最短、成本最低、物资需求点满意度最高为目标的多目标电力物资配送模型;其次,设计了一种基于DRL的电力物资配送路径优化算法DRL-EVRP求解所提模型。DRL-EVRP使用改进的指针网络（Ptr-Net）和Q-学习（Q-learning）算法结合的深度Q-网络（DQN）来将累积增量路径长度的负值与满意度之和作为奖励函数。所提算法在进行训练学习后,可直接用于电力物资配送路径规划。仿真实验结果表明,DRL-EVRP求解得到的电力物资配送路径总长度相较于扩展C-W(ECW)节约算法、模拟退火（SA）算法更短,且运算时间在可接受范围内,因此所提算法能更加高效、快速地进行电力物资配送路径优化。     

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法（Elitist Non-dominated Sorting Genetic Algorithm,NSGA-II）求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。     

供应链环境下带越库配送的车辆路径问题

从零售业纵向供应链整合入手,考虑供应商、零售商和配送中心构成的协同配送网络,研究带越库配送的车辆路径问题。分析越库配送实施要求和操作准则,设置协同到达作业时间,将配送过程分为集货、分拣和送货三个阶段,建立最小化车辆运输成本和固定成本为目标的越库配送路径优化模型。考虑模型的复杂性,设计改进遗传算法进行求解。最后由仿真实例验证模型可行性和算法有效性。结果表明,越库配送模式能有效服务城市区域零售门店的及时供货情况,在配送时间和运输成本方面有着显著优势。     

基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

基于时间阈值及竞争决策的VRP模型

为降低物流成本,提高用户满意度,优化物流配送的路径选择决策,在多约束条件下,采取配送任务聚类,沿途配送同城O2O(online to offline)包裹任务策略。以物流配送时间最小为目标,兼顾用户满意度,建立具有时间约束的VRP(vehicle routing problem)的模型,解决物流优化问题,设计一种基于时间阈值的竞争决策算法求解该模型。以阿里巴巴天池大数据科研平台提供的样本数据对该方法进行验证,验证结果表明,该算法有效且可行,为企业物流调度提供参考模型和求解算法。     

考虑时效性和品质性满意度约束的易腐品冷链物流配送

针对易腐品冷链配送环节存在的成本高、碳排放量大、客户满意度低等问题,从易腐品配送的时效性和品质性两方面度量客户满意度,并以此为约束考虑配送过程中的固定成本、运输成本、货损成本、制冷成本、惩罚成本以及碳排放成本,构建以总成本最小为目标的易腐品冷链配送车辆路径优化模型,设计改进遗传算法求解优化模型,分析求解算法的复杂度.数值实验结果表明,所设计的求解算法总能获得总成本更低、产品新鲜度更高以及碳排放量更少的配送方案,同时表明改进的遗传算法相比于传统遗传算法在成本节约以及客户满意度提高方面具有一定优势,在一定程度上验证了所建模型的合理性及求解算法的有效性.     

供应链环境下带越库配送的多配送中心车辆路径问题

从零售业纵向供应链管理入手,考虑由供应商、零售商和多个配送中心构成的城市物流协同配送网络,研究带有越库配送的多配送中心车辆路径问题.分析越库配送的实施要求和操作准则,将配送过程分为集货、送货阶段.应对产品种类多样化需求,设置集货过程车辆协同作业返回配送中心,送货过程需求可拆分的运作机制.以最小化车辆运输成本和操作成本为目标,建立多配送中心车辆路径问题优化模型.针对模型特性设计改进遗传算法进行求解.最后通过仿真实例验证模型的可行性和算法的有效性, 结果表明,越库配送模式能有效服务城市区域零售门店的及时供货,在配送时间和运输成本方面具有显著优势.     

物资缺乏情况下的应急物流运输与物资二次分配策略

针对应急物流中的运输时效性和物资分配公平性问题,提出了一种两阶段应急物流运输与物资二次分配策略.首先,基于所定义的时间满意度、物资满意度和综合满意度,提出了最大时间满意度车辆路径问题模型和最小加权满意度标准差应急物资分配模型.第一阶段针对最大时间满意度车辆路径问题模型设计了一种混合灰狼优化算法进行求解,该算法采用了最优分割过程分组解码策略,并采用了混沌搜索策略、2-Opt和1-1局部搜索策略来提高算法的搜索能力;第二阶段针对最小加权满意度标准差应急物资分配模型设计了混沌灰狼优化算法求解.实验结果表明:在第一阶段,总体时间满意度比CVRP模型提高了39.31％;在第二阶段,当实际物资量为80％和权重系数为0.75时,计算得到的综合满意度标准差为0.0619,物资满意度标准差为0.0974,较好地平衡了灾民的心理诉求和物资利用效能.两阶段应急物流运输与物资二次分配策略得到了较高的时间满意度和较好的物资分配结果,证明了所提模型和算法的有效性.     

装备联合配送路径优化及算法分析

针对传统的装备配送模式存在着分区复杂、物资无法共享以及配送路径优化不合理等问题,提出了装备联合配送的方式,综合考虑配送时间、部队服务满意度和配送成本的目标,构建带时间窗的联合配送路径优化模型。并针对模型,提出了一种自适应改进遗传算法。该算法利用PFIH算法构建初始解,采用新颖的变异算子和自适应的交叉变异概率,利用relocate和2-opt进行中间解的优化,加快算法收敛。多目标权重处理采用RCA算法进行量化。最后实验证明该算法性能优良,求解高效,能够应用于军用装备联合配送的实际场景。     

考虑碳排放的冷链物流轴幅式网络多目标优化

针对传统冷链网络优化模型忽视碳排放量的不足,基于绿色物流、共享经济的相关理念,在轴幅式理论下对多个区域的冷链配送进行资源整合后进行共同配送,提高冷链配送车辆的满载率。同时,构建考虑碳排放成本在内的总成本最小和最大化客户满意度的多目标优化模型,达到降低总成本和满足客户最大满意度的目的,实现经济效益和环境效益共赢的状态。以客户满意度来表示物流网络系统的可靠性和服务质量,并结合易腐品的新鲜度对时间的敏感性,引入货损成本。最后,设计粒子群算法对其进行求解。通过算例对比验证了模型与算法的有效性,有效解决冷链物流网络的网点布局和运输配送问题。     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。     

面向冷链物流配送路径优化的知识型蚁群算法

生鲜电商、冷链宅配的盛行使冷链物流订单呈现出"小批量、多批次、易腐坏"的特点,进一步增大了城市冷链物流配送路径优化的必要性与难度.鉴于此,同时考虑顾客满意度和道路拥堵状况,构建最小化总成本的冷链车辆路径优化数学模型.为求解该问题,将知识型精英策略下的禁忌搜索算子和动态概率选择的知识模型融入蚁群算法,设计一种新的知识型蚁群算法.通过对模拟实例和真实实例进行仿真实验,对传统蚁群算法、基于禁忌搜索改进的蚁群算法与所提出的知识型蚁群算法进行对比分析,验证了所构模型和知识型蚁群算法的有效性.     

基于头脑风暴算法的电动货车路径优化问题

针对电动货车路径优化问题,应用物流网络以及电动货车电量消耗等方面的知识,研究了电动货车的智能调度方法,构建了带时间窗的电动货车路径优化模型(electric vehicle routing problem with time window,EVRPTW)。该模型考虑了耗电量与电动货车行驶速度、载重量之间的关系,客户满意度与软时间窗之间的关系。同时,引入了计算机智能算法,充分利用了遗传算法、头脑风暴算法等优化算法的智能化特征,有效提高了电动货车的配送效率。仿真结果表明:该模型运用头脑风暴算法的最优值精确度和收敛速度都优于遗传算法,可以有效解决EVRPTW问题。所提出的模型和算法能明显提高配送中心的配送效率,节省充电成本,提高顾客满意度。针对配送中心电动货车运营调度管理的特点,借助计算机技术以及自动控制技术,进一步提高了电动货车的配送效率,为物流网络系统的智能化调度提供技术准备。     

云计算环境中服务动态选择算法研究

为解决云计算环境下的服务动态选择问题,设计了综合考虑反应时间和成本的适应度函数,提出了求解服务动态选择问题的分布估计蛙跳算法.在蛙跳算法的基础上,借鉴交叉操作改写蛙跳算法的进化算子,并引入分布估计进化策略改进蛙跳算法的青蛙更新模式,使改进后的新算法具有更全面的学习能力,能够有效避免算法陷入局部最优.仿真实验验证了算法的可行性和有效性,与蛙跳算法和分布估计算法相比,该算法的收敛性能和寻优能力均得到改善,能够更好地解决云计算环境下的服务动态优化选择问题.     

基于单亲遗传算法的RoboCup动态角色分配

RoboCup的机器人动态角色分配问题是一个典型的组合优化问题。解决这一问题的传统方法是贪心法,但贪心法易陷入局部最优解。提出用针对组合优化问题而构造的序号编码单亲遗传算法解决RoboCup的机器人动态角色分配问题。单亲遗传算法借鉴了传统遗传算法“优胜劣汰”的自然选择机制,但只通过单个体繁殖后代,在解决组合优化问题和复杂工程优化问题方面具有明显的优越性。试验结果显示这种方法的在解决RoboCup机器人动态角色分配问题时的有效性。