考虑服务定价的选择性众包配送优化

提出众包服务定价与选择性众包配送方案联合优化方法.根据众包服务价格与众包供给量关系，构建众包供给-价格函数，进而构建出优化众包服务价格、客户分配方案以及配送路径的混合整数非线性规划模型，并采用大M法将其处理成混合整数线性规划模型.依据问题领域知识设计局部搜索规则，并结合节约算法、禁忌搜索算法和模拟退火算法设计出求解大规模案例的自适应大邻域搜索算法.自适应大邻域搜索算法的性能优于GUROBI、最早配送规则以及节约算法；选择性众包配送服务模式在降低配送成本上优于无众包配送服务模式和全众包配送模式；众包配送服务模式适用于众包供给价格敏感度高、客户服务时间窗紧的场景；适当增加中转点或者拓宽客户服务时间窗可以降低配送成本.     

考虑真实场景动态事件的动态取送货问题

实时城市配送决策高度依赖于环境的变化,须及时处理配送系统中由各种动态事件带来的需求和环境变化. 综合考虑新请求逐渐出现、旧请求修改或取消、交通拥堵状况和车辆抛锚4种动态事件对车辆路径规划和配送服务的影响,重新建立考虑实时场景多项动态事件的取送货（DPDP-MDE）动态车辆路径规划模型. 设计动态算法框架求解该模型,给出调度时域内静态子问题执行规则和计算规则;针对具体静态子问题,采用构造型启发式算法生成初始可行解,分别采用禁忌搜索算法和自适应大规模邻域搜索算法2种智能优化算法,改善初始可行解质量;在更新路径规划方案时,运用未固定动态插入法,解决处于规划中的未固定请求和新请求同步处理问题. 数值实验表明,所提出的模型及设计的动态算法框架能有效解决带时间窗的动态取送货问题（DPDP-TW）.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法．该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进．通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法．     

低油耗多车型车辆路径问题及算法

为了解决以低油耗为优化目标的具有固定车辆数的多车型车辆路径问题,从低碳环保角度出发,建立以固定发车费用和油耗费用为优化目标的数学模型,并提出了一种融合邻域搜索算法的混合模拟退火算法,解决了传统模拟退火算法全局搜索能力差的缺点。模型中的油耗费用考虑了车辆车载率和行驶里程,算法中客户采用自然数编码方式,首先采用前向插入算法产生初始解;然后在解变换过程中融合了3种邻域搜索算子即互换、逆转、插入操作生成新解;最后通过实例对算法性能进行测试。通过与其他算法的计算结果对比验证了模型的实用性与算法的有效性。     

基于蚁群算法的图书物流中心配送路径规划

以图书物流中心车辆路径规划问题为研究对象,结合图书配送多品种小批量的特点,以配送路线最短为目标,在考虑车辆容量限制的条件下,建立基于零担运输策略的图书物流中心车辆路径规划模型;针对传统路径规划问题研究的不足,运用GPS导航系统重新定义了配送距离.用蚁群算法对所建模型进行求解与仿真,并结合实际案例给出优化结果,验证了模型及算法的有效性.     

基于改进混合蛙跳算法的多约束车辆路径优化

针对多中心分布式企业存在的产品成本差异化问题,建立包括产品成本、多车场、多车型在内的多约束车辆路径模型,并设计求解该模型的改进混合蛙跳算法. 根据问题特性,改进聚类算法并结合邻近矩阵构造初始青蛙种群;提出子群概念,设计自内而外的交流演化模式;定义远离矩阵,对青蛙进行引导性邻域搜索. 将所设计的算法进行多组不同的对比实验,结果表明,所设计的算法通用性强,实用性高,与遗传算法、蚁群算法这类传统经典算法相比,具有更好的收敛速度与求解精度,可以有效解决此类问题;考虑产品成本的调度方案总成本平均减少6%,占产品总成本的13%,可以为企业提供更合理的车辆配送方案.     

混流装配线准时化物料配送调度优化

针对混流装配线的准时化物料配送问题,综合考虑搬运设备的运载能力和装配线不允许缺货约束,构建了车辆装载与路径规划的联合优化模型。首先,进行了问题域的描述,并以最小化物料搬运期间所有工位中的最大加权库存水平为目标建立了数学规划模型。其次,结合该调度问题的两条基本性质,提出了回溯搜索算法以获得小规模问题的精确解。此外,为了有效地应对中大规模问题的爆炸搜索空间,构建了改进型离散人工蜂群算法。该算法通过在邻域变换中融入局部搜索和差分进化操作以提升其收敛性能。最后进行了仿真实验,结果验证了准时化配送模型及调度算法的可行性、有效性。     

接运公交网络设计的多目标优化模型及遗传变邻域搜索求解算法

为了使接运公交网络更好地为轨道交通车站集散客流服务,将其作为研究对象,提出了接运公交网络的优化方法.考虑接运公交网络服务的需求量与接运公交供给密切相关、接运公交发车时刻与轨道交通车辆到站时刻构成有序衔接,以接运公交服务的乘客量最大化、接运乘客平均成本最小化、运营成本最小化为优化目标,构建了接运公交网络的多目标优化模型.为求解模型,设计了利用产生式方法获得Pareto解集的遗传-变邻域搜索算法.将设计的遗传-变邻域搜索算法与遗传算法、精确算法分别进行比较,通过算例验证了模型与算法的有效性.     

基于遗传算法的服装配送路径优化策略

针对服装配送网络中的车辆路径优化问题,以路径最优和服装配送车辆消耗费用最低为目标,对服装配送车辆数目不确定的配送路径选择问题建立模型,并利用遗传算法对配送路径进行优化.最后以实例为研究对象,建立服装配送的模糊数学模型,并通过MATLAB对其进行模拟仿真,并验证算法的可行性和优越性,解决了服装配送路径优化的实际问题.     

基于混合蚁群的多温区冷链物流配送路径优化算法

针对冷链物流配送过程同时取货、送货车辆路径规划问题,提出了基于混合蚁群算法多温区冷链物流配送路径优化算法.通过分析影响同时取、送货车辆路径成本的因素,构建了针对多温区冷链物流的带时间窗、同时取送货配送路径优化模型.利用粒子群算法来优化蚁群算法参数,将各个蚂蚁子群的信息素进行交换,再采用基于插入的启发式方法和交叉、反转操作进行路径优化.经过对照实验,结果表明：基于混合蚁群的车辆路径规划算法收敛速度相对于基于改进遗传算法的车辆路径规划算法和基于禁忌搜索算法的车辆路径优化算法,分别提高了24.3%和18.6%.     

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略. 考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型. 根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子. 通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性. 对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.     

电子商务供应链逆向物流的LIRP问题研究

为了提高电子商务供应链整体运作效率,从车辆配送路径角度,研究结合正向物流配送和逆向物流回载的闭环供应链运输策略,考虑回载产品的可分批运输特性,增加客户点、配送中心库存限制以及惩罚机制,建立集成选址-路径-库存问题的非线性混合整数规划模型,设计了两阶段启发式算法先选址分组,再安排路径-库存求解,采用改进的禁忌搜索算法优化最优解.通过仿真结果分析,所提出策略的可行性和实用性.     

不确定条件下危险品配送路线多准则优化

针对非满载的危险品配送车辆路线优化问题,考虑危险品数量对运输风险的影响,利用分段线性逼近方法对配送过程中的潜在风险动态评估。根据运输企业的不同优化准则以及配送路线的不确定性属性,基于可信性理论和期望值方法,建立了有容量约束的危险品配送路线多准则优化模型。设计了改进的模拟退火算法对模型求解,并利用快速非支配排序方法和动态拥挤距离计算方法提高求解效率,改善Pareto解在解空间内分布的均匀性,结合解的编码方式设计变邻域搜索策略提高算法的局部和全局搜索能力。采用不同算例验证了模型的合理性和算法的有效性,研究结果可为危险品运输企业在多种不确定条件下的配送路线选择提供决策支持。     

一种求解生产-配送问题的协同优化方法

研究了多时段、多产品、有生产和库存能力约束的生产-配送问题,从整体的角度优化生产批量和车辆调度,并利用交货时间因素来协调各模块的优化过程,进而得到更优的运作方案.生产批量和车辆调度都是NP难问题,鉴于问题的复杂性,设计了一个遗传算法与和声搜索算法相结合的优化策略,对6个不同规模的问题分别进行了独立优化和协同优化,数值实验结果显示了协同优化策略的优越性.     

分区域多目标进化算法在协同车辆路径问题中的应用

在以原有的车辆配送总费用最小化为目标的基础上,兼顾顾客的满意度目标,建立带有时间窗的多物流中心协同配送的车辆路径多目标优化问题的数学模型.对建立的多目标优化问题,采用分区域多目标进化算法思想,构造了利于产生可行解的编码方式,从而提高算法的运行效率.通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题.     

基于HACO-ALNS的车辆与无人机协同配送问题研究

针对物流配送需求增大、“最后一公里”交付困难、车辆或无人机配送均具有一定局限性等问题,作者提出了带有动态能耗约束的车辆与无人机协同配送问题,以最小化总配送成本为目标建立了混合整数规划模型,在约束中考虑了无人机一次起飞可完成多点配送、客户点差异等限制。设计了一种基于自适应大邻域搜索的混合蚁群算法进行求解,在蚁群算法中融入遗传算法,设计新的启发式因子。实验结果表明,该算法在不同规模算例上均具有良好的求解精度和运行速度。与不同配送模式的对比表明,多点配送的无人机装载率比单点配送高22.1%,动态能耗模式的成本与固定能耗相比平均降幅为3.31%。     

ALNS算法求解带软时间窗同时取送货的PCVRP问题

考虑电子商务环境下订单种类多、批量小等特点,在现有奖金收集车辆路径问题(PCVRP)模型的基础上加入时间窗约束和同时取送货需求,建立了带软时间窗同时取送货的PCVRP模型.设计了自适应大邻域搜索算法(ALNS)进行求解,采用插入法生成初始解,再用ALNS对初始解进行改进.通过仿真实验将设计的ALSN算法计算结果与使用遗...     

共同配送中的车货配载问题多目标规划研究

从一对多车辆混载的共同配送模式和货主挑选车辆的实际情况出发，建立了车货配载的多目标规划模型。论述了在整个优化配载过程中考虑最多的是车、货双方提出的运送价格，其次是车辆的里程利用情况和车主可靠程度，而车主的可靠程度关键取决于车辆是否纳入配送共同体以及历史记录的好坏。     

物流配送车辆路径问题(VRP)算法研究

物流配送车辆路径问题(VRP)属于NP-hard问题.文章介绍了当前最具有代表性的算法,分析并总结了各种算法的优缺点及目前的改进情况,指出目前启发式算法是求解车辆路径问题的主要方法,至于大规模客户集的配送路径优化问题或者是多约束的复杂VRP问题,可以考虑利用多种算法相结合的办法来解决.     

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization, IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization, ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search, LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.