共查询到20条相似文献,搜索用时 15 毫秒
1.
随着快递货量飞速增长,对快递公司枢纽站货量操作带来了极大的压力,通过建立中转站分担快递枢纽货量压力是解决该问题的方法之一,且每日快递货量的不确定性,增加了问题的复杂性。针对该问题,建立了在不确定需求下,以时效和总成本为目标的快递枢纽中转站双目标整数规划选址模型,并以DB快递公司上海区域为例,运用NSGA-Ⅱ方法求解。求解结果表明NSGA-Ⅱ方法,在求解质量上与ε约束法非常相近,且求解速度远好于约束法。 相似文献
2.
3.
4.
目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。 相似文献
5.
6.
7.
目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。 相似文献
8.
9.
10.
为了解决交通线路建设物资的物流节点选址问题,在服务线路和需求密度已知的前提下,考虑物流节点可靠性以及物资运输时间约束,建立以运输成本和时间惩罚成本之和为目标函数的数学模型。为了求解该模型,在经典p-中值选址模型基础上,采用线积分取代离散点来表示线状需求,证明目标函数在给定区间内为凸函数,并利用二次插值和黄金分割法相结合的算法对模型进行求解。通过对是否考虑可靠性的2种选址结果进行对比研究,以及对可靠性间的相关性对选址结果的影响进行灵敏度分析。算例分析表明,与不考虑可靠性相比,提高可靠性可以降低选址系统运营总成本,也可定量地刻画出可靠性间的相关性对选址结果的影响。 相似文献
11.
12.
13.
在无回收市场前提下,构建了一个以旧换新策略下新的回收中心混合整数非线性规划选址模型,以使回收中心净利润最大.并提出了启发式算法来解决大规模选址问题,最后算例分析了制造企业品牌差异对回收中心净利润的影响. 相似文献
14.
通过分析配送中心的选址对第三方物流企业的发展有着重要影响,提出了配送中心的选址应该以提高物流企业的物流能力为目标,而物流能力是一个综合指标,因此基于物流能力优化的配送中心选址模型是多目标的,在模型求解中,利用带自适应移动线的遗传算法来权衡多目标函数. 相似文献
15.
16.
目的 为了进一步优化航材库存结构,解决多目标航材分配问题,提高航材保障工作决策的效率.方法 建立基于费用和分配满意度的多目标航材分配模型,运用先进的群体智能算法——蝗虫算法求解.结果 算例分析表明,在3种求解算法中,蝗虫算法所求出来的解,既使得航材分配过程中所需成本最低,又保证了航材股满意度处于较高水平.同时,将算法运行10次,蝗虫算法的求解时间平均值和方差分别为4.01 ms和11.5 ms,明显优于传统的群智能算法粒子群和NSGA-Ⅱ算法的求解效率.结论 蝗虫算法能够有效地解决多目标航材分配问题,对于优化航材库存,平衡航材数量具有重要的现实意义. 相似文献
17.
18.
目的 将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题(RL-VRPBTW),以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法 引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法(ISISS),根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果 在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论 仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。 相似文献
19.
为解决工业机器人工作效率低、能耗损失严重和关节冲击磨损较大的问题,提出了一种基于布谷鸟搜索(cuckoo search,CS)算法和非支配排序遗传算法-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的混合算法(简称为CSNSGA-Ⅱ),用于机器人的轨迹优化。采用5次非均匀有理B样条(non-uniform rational B-splines,NURBS)曲线作为工业机器人的轨迹规划曲线,同时以运动时间、能耗和冲击磨损为优化目标构建相应的多目标轨迹优化模型,并在速度、加速度和加加速度的约束下采用CSNSGA-Ⅱ进行轨迹优化。CSNSGA-Ⅱ以Tent混沌映射初始化时间序列,采用不可行度算法将解分为可行解与不可行解,并利用改进的CS算法对不可行解进行处理。利用MATLAB软件对6R勃朗特机器人进行建模仿真,并对得到的非支配解集和归一化加权迭代最优值进行对比分析。仿真结果表明,相比于NSGA-Ⅱ、多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,所提出的CSNS... 相似文献