多物流中心共同配送的车辆路径问题研究

研究多物流中心共同配送的车辆路径问题.首先考虑客户服务关系变化与客户需求的异质性情况,设计一种共享客户需求、配送车辆与物流中心的共享物流模式;再综合考虑车辆容量、油耗、碳排放、最长行驶时间、客户需求量与服务时间等因素,以总成本最小为目标构建多物流中心共同配送的车辆路径规划模型,并设计一种改进蚁群算法进行求解;最后采用多...     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

基于智能感知网的物料配送动态优化方法

针对动态环境下的车间物料配送准确性和及时性需求,在车间部署智能感知设备组建智能感知网。以工位实时生产状态为依据,动态调整各工位配送时间窗,以最小物料配送成本为优化目标,建立基于智能感知网的物料配送动态优化模型,并设计一种基于禁忌搜索的改进蚁群算法。该算法将禁忌搜索的记忆功能融进蚁群算法,引入2-opt局部优化方法,并设置最大最小信息素浓度,以提高算法的搜索速率和求解稳定性。最后通过案例和算法对比验证了该模型和算法的可行性和有效性。     

混流制造车间物料配送路径优化

物料及时、准确送到混流制造系统的各工位节点不仅是系统正常运行的保证,也是混流系统高效运转的根本。针对混流制造系统物料配送车辆路径优化问题,从优化目标、约束条件和影响因素等方面考虑,建立了以车辆行驶距离最短、车辆利用率最大和配送次数最少为优化目标的多目标配送车辆路径优化模型。根据问题的具体情况,设计了解决该多目标优化问题的双层递进进化多目标优化算法,给出了算法的进化过程和交叉、变异模式及其实现过程。通过一个混流装配系统的实例证明了所建立的模型和设计算法的有效性。     

基于蚁群算法的快餐配送路径优化问题研究

从快餐配送的实际情况出发,建立建立快餐配送路径的数学模型,用蚁群算法的基本原理。进行多次实验和计算,寻找最优的快餐配送路径。     

灾难救援应急物资敏捷配送模型

应急物资敏捷配送是灾难救援的重要工作之一,为了给灾区快速配送应急物资,构建了包含救灾物资储备库、应急物资配送中心及受灾点三层结构的应急物资敏捷配送体系。建立相应双层优化模型,其中下层模型决策车辆路径安排,上层模型根据下层模型的结果决策应急物资的分配。根据该模型的特点,提出一种改进蚁群算法求解下层模型,并用CPLEX软件求解上层模型。最后以5·12汶川大地震应急救援为例,对优化模型及求解方法进行了验证。     

基于启发式蚁群算法的VRP问题研究

针对蚁群算法求解VRP问题时收敛速度慢,求解质量不高的缺点,把城市和仓库间的距离矩阵和路径节约矩阵信息融入到初始信息素矩阵中作为启发式信息引入到蚁群算法中用于求解有容量限制的车辆路径规划问题（CVRP）,在三个基准数据集上的实验研究表明,基于启发式信息的蚁群算法与基本蚁群算法相比能够以较快的速度收敛到较好的解。     

单车场车辆路径问题的蚁群算法求解及程序设计

以郑州煤电物资供销有限公司的炸药配送问题为背景,引入蚁群算法对该配送问题进行求解.算法采用蚂蚁系统算法的转移概率策略确定蚂蚁的转移方向,并结合最大最小蚂蚁系统算法的信息素更新机制进行信息素更新.当算法接近停滞状态时,对信息素进行再次初始化,以加强算法的搜索能力.从而,得到一条解决该实际问题的完整最优解,作为该公司物资配送的参考.同时,探讨了在VC+ +6.0环境中实现该算法的主要编程思想.最后,将得出的结果与遗传算法所得结果进行比较,得出蚁群算法在解决车辆路径问题上具有较好的搜寻能力和收敛能力.     

车辆配送路径优化的新型蚁群算法

构造了求解车辆配送路径优化问题的新型蚁群算法,采用新型的编码方式和转移概率,避免了遗传算法求解该问题所存在的遗传算子设计困难和遗传操作繁琐复杂的现象及现有蚁群算法求解该问题时收敛速度慢的缺陷。通过实例验证了所构建的算法与现有算法相比,不仅操作简单而且具有更好的收敛性。     

基于QFD和双层规划的物流服务供应商选择研究

从物流服务成本和物流服务质量两个方面构建物流服务供应商选择的双层规划模型,上层规划以物流服务成本最小为目标,下层以选择的供应商的综合表现度最大为目标。通过改进QFD模型,将评价指标和客户需求相结合,对待选物流供应商进行综合评价,计算供应商的综合表现度。结合模型的特点设计分层迭代算法,算例验证了模型和算法的有效性。     

求解一类特殊的双层规划问题的遗传算法

主要研究上层函数及其约束函数不要求具有凸性和可微性,下层是关于下层决策变量是凸二次规划的双层规划模型,通过Karush-Kuhn-Tucher 条件转化为一个单层规划,利用下层是正定二次规划,将下层的决策变量表示为关于 Lagrangian乘子的表达式,从而降低了搜索空间的维数,设计了遗传算法,并通过数值实验表明该遗传算非常有效。     

云制造环境下基于双层规划的资源优化配置模型

为了解决云制造环境下制造资源的优化配置问题,综合考虑需求与服务双方以及云平台运营方的利益,提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标;以云平台资源利用率最大化为下层规划的优化目标;通过双层规划并采用改进的i-NSGA-II-JG算法对多目标制造资源配置问题进行求解。最后,通过算例仿真实验证明了该模型的可行性和优越性。     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

基于双层规划的高超声速飞行器预警资源分配方法

针对高超声速飞行器预警系统中资源难以合理利用的问题,提出一种基于双层规划的预警资源分配方法.首先,建立高超声速飞行器运动状态的马尔可夫模型,提出威胁评估的方法;其次,基于隐马尔可夫模型和卡尔曼滤波,提出双层规划的高超声速飞行器预警资源分配模型,下层规划以单位资源损耗下信息增益为目标函数,上层规划以风险的降低为目标函数;...     

双层规划在灾后应急物资调度中的应用综述

为了减少财产损失和人员伤亡、提高灾民满意度,基于双层规划理论,从应急救援角度出发,对突发灾害事件下的应急物资调度问题进行综述。围绕应急物资调度,从灾后应急现状、应急物资选址—分配、不同约束下的应急物资调度及双层规划和群智能优化算法在应急物资调度中的应用等方面进行梳理和讨论。结果表明,关于灾后应急物资调度的研究,目前主要关注单级应急网络结构,且模型的目标函数和约束条件与实际情况存在着出入,结合应急物资调度实际特征提出改进建议;考虑两级应急网络结构,进而构建双层规划模型,实现上下级目标的联合优化。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。     

A bi-level programming framework for identifying optimal parameters in portfolio selection

This paper addresses the problem of identifying optimal portfolio parameters in nonsparse and sparse models. Generally, using the sample estimates to construct a mean–variance portfolio often leads to undesirable portfolio performance. We propose a novel bi-level programming framework to identify the optimal values of expected return and cardinality, which can be estimated separately or simultaneously. In the general formulation of our approach, outer-level is designed to maximize the utility of the portfolio, which is measured by Sharpe ratio, while the inner-level is to minimize the risk of a portfolio under a given expected return. Considering the nonconvex and nonsmooth characteristics of the outer-level, we develop a hybrid derivative-free optimization algorithm embedded with alternating direction method of multipliers to solve the problem. Numerical experiments are carried out based on both simulated and real-life data. During the process, we give a prior range of cardinality using the data-driven method to promote the efficiency. Estimating the parameters by our approach achieves better performance both in the stock and fund-of-funds markets. Moreover, we also demonstrate that our results are robust when the risk is measured by conditional value-at-risk.     

基于动态规划不同优化目标的HEV转矩分配策略对比研究

双动力源的结构模式使得混合动力汽车相对于传统汽车拥有更高的燃油经济性,同时也给混合动力汽车整车控制器的设计提出了更高的要求。本文采用动态规划算法,分别以油耗最低同时电池SOC波动尽可能小、以及整车效率最高为目标,对混合动力汽车在NEDC循环工况下的最优转矩分配进行求解。并将两种转矩分配结果进行对比分析,得出选择不同优化目标对控制效果的影响以及SOC参数选择的标准,为制定更加高效的控制规则提供了理论依据。     

基于改进粒子群算法的物流配送车辆调度优化

车辆优化调度是提高物流企业运营效益的重要因素,针对标准粒子群优化算法存在的不足,提出一种改进粒子群算法（IPSO）的物流配送车辆调度优化方法。建立物流配送车辆调度优化的数学模型,将车辆与车辆路径编码成粒子,通过粒子之间的协作找到最优物流配送车辆调度优化方案,并对粒子群算法存在的不足进行了相应的改进,最后给出仿真实验对其性能进行测试。实验结果表明,IPSO算法不仅加快了物流配送车辆调度优化问题求解的速度,而且获得了最优解的概率,具有比其他调度算法更明显的优势。