自动化集装箱码头AGV配置与调度耦合问题研究

针对自动导引小车（Automated Guided Vehicle，AGV）数量偏多导致的自动化码头水平运输区域拥堵的情况，采用多学科变量耦合优化设计的方法对自动化码头AGV调度与AGV配置问题进行研究。先以最小化岸边等待时间为目标建立AGV调度模型，再以最小化AGV数量为目标建立AGV配置模型。并将完工时刻和AGV数量作为公用设计变量连接两个模型，建立了协调调度耦合模型。设计算例，利用遗传算法（Genetic Algorithm，GA）收敛速度快的特点对该耦合模型进行求解，经反复迭代计算后得出最优AGV数量与AGV调度方案。最后，扩大算例规模，设计9组实验，比较了GA、粒子群算法（Particle Swarm Optimization，PSO）和蚁群算法（Ant Colony Optimization，ACO）的求解结果，结果表明随着算例规模的增大，GA的求解能力更为突出，从而验证了设计的算法的可行性。     

考虑服务时效的物流服务供应链应急任务分配

针对应急情况下两级物流服务供应链任务分配问题,提出了考虑服务时效性的客户满意度模型方法。首先,考虑应急情况中订单任务量的随机性的情况,建立基于服务时效性的客户满意度模型;其次,构建最小化物流成本模型以保证物流服务供应链成本最优化;然后,引入线性加权法将包含最大化客户满意度与最小化服务成本双层规划多目标模型转化为单目标模型;最后,采用遗传算法（GA）求解模型,并针对权重作了灵敏度分析。算例研究表明,与上下层单目标分配结果的目标值0.0501和0.0825相比,综合函数模型得到了显著优化的目标值0.2716,说明所构建模型的任务分配方案能够更有效解决具有服务时效性客户满意度的物流服务供应链任务分配问题;由分析权重灵敏度可以看出,权重0.1< a< 0.5时的综合目标优化解相较于0.5< a< 0.9斜率变化程度显著,说明在应急任务分配时应根据服务能力参数理性选择两者的权重分配,这反映出了客户满意与物流成本悖反效应的存在。研究结果表明,考虑服务时效的任务分配模型能够有效解决应急情况下物流服务供应链任务分配问题。     

基于混合蚁群算法的冷链电动汽车车辆路径问题

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境,而电动汽车续驶里程短、充电时间长,致使运营成本高的现象,思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求,构建了以总配送成本最小为优化目标的线性规划模型,而目标函数由固定成本和可变成本构成,其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束,并设计混合蚁群（HACO）算法对其进行求解,其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上,形成了小规模和大规模两个算例集,并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明,在小规模算例集中,传统ACO算法与CPLEX求解器均能找到精确解,而ACO算法在运算时间方面可节省99.6%;而在大规模算例集中,与ACO算法相比,结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

考虑动态服务能力的LSSC订单分配优化模型

物流服务供应商会根据集成商分配的不同订单价格而提供有差别的服务能力。构建新的两级物流服务供应链多目标订单分配模型,其目标函数为物流服务供应链中交易费用最小化、采购成本最小化、物流任务与供应商匹配程度最大化、总物流服务质量最大化、订单流失率以及因订单流失造成的赔付最小化的多目标订单分配优化模型。并设计一种遗传算法进行算例求解,验证模型和算法的有效性和可行性。     

基于层次遗传算法的物流配送中心选址策略*

在考虑物流规划部门和客户双方利益的基础上,采用双层规划模型描述物流配送中心的选址问题。基于进化博弈与多目标优化的思想设计了层次遗传算法来求解该模型,通过两个遗传算法的交互迭代求解物流配送中心选址问题。最后通过算例验证了模型与算法的可行性。     

基于改进遗传算法的生鲜多目标闭环物流网络模型

针对生鲜产品闭环物流网络中存在的经济成本高、碳排放量大、社会效益重视不足等问题,综合考虑退货量的不确定性,以经济成本最小、碳排放最小、社会效益最大为目标,建立了不确定条件下的生鲜多目标闭环物流网络模型。首先,利用改进的遗传算法(GA)求解该模型;然后,结合上海某生鲜企业运营管理数据,验证了模型的可行性;最后,将改进的GA的结果与粒子群优化(PSO)算法的结果对比,验证了算法的有效性,凸显了改进的GA在求解多目标的复杂约束问题时的优越性。算例结果表明,多目标优化满意度达到0.92,高于单目标优化满意度,展示了所提模型的有效性。     

免疫PSO算法求解多库房带时间窗VRP

为了降低物流系统的总费用,对车辆优化调度模型进行了改进,考虑了库房容量和时间窗两方面的因素,以总的耗费成本为目标,采用免疫粒子群优化（PSO）算法对此多库房车辆调度模型进行了优化求解。仿真结果表明免疫PSO比PSO更有效、更优越。     

防空火力分配建模及优化方法研究

在综合考虑防空对抗双方作战价值的基础上,建立了一种用于防空作战多武器系统对抗多批目标的火力分配模型,在此基础上,提出了基于粒子群优化（PSO）算法以及粒子群与遗传算法相结合（PSO—GA）的火力优化分配方法．通过仿真,并与遗传算法（GA）进行了比较,验证了火力分配模型的可行性以及所提出优化方法的有效性和优越性.     

多种运输方式的4PL多到多网络设计模型与算法

针对第四方物流（4PL）承担多个供需点对之间物流配送任务的情况,考虑实际中第三方物流（3PL）运输供应商具有多种运输方式,研究多种运输方式的4PL多到多网络设计问题。建立问题的优化模型,在选择3PL运输供应商的同时确定运输方式,并在满足配送时间约束下最小化总的物流成本。根据问题模型,设计混合蛙跳算法（SFLA）对问题进行求解。最后,通过仿真实验来验证模型的合理性,并测试SFLA的性能。实验结果表明模型能够合理描述问题,并且SFLA能够对问题进行有效求解。     

带时间窗的粮食物流车辆路径问题的研究

带时间窗的粮食物流车辆路径问题是一个典型的NP—难问题。针对粮食物流批量大、多点对多点等特点,建立了带时间窗的粮食物流车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTM）的数学模型,进一步构造粒子群算法（Particle Swarm Optimization,PSO）用于问题求解,并将求解结果与遗传算法进行比较。结果表明,粒子群算法可以快速、有效地求得带时间窗的粮食物流车辆路径问题的优化解,降低配送成本。     

改进遗传算法下的无水港集货路径优化研究

在出口电商企业向内地无水港进行货物集中时，考虑其交通运输过程中遇到的效率低、成本高等问题，提出了一种切实可行的解决办法，即通过车辆共享的形式，既降低了发货商的成本，也使得无水港的管理更加便捷。在对传统的集货运输模式改进后，建立以最小化所有货车总运输路程的数学模型，先使用扫描法对发货点进行分组，后使用改进的遗传算法（IGA）进行路径优化。针对不同数量的发货点以及集货车辆规模，使用IGA对模型求解并与传统遗传算法（GA）以及粒子群算法（PSO）所得结果对比。经MATLAB对小规模实验进行算例分析，得到改进后的车辆需求总数为3 辆，配送总成本为5 485.67元，与另外两种传统运输方式对比，证明了所述方法的优越性。     

基于PSO和变异模拟退火的QoS单播路由算法

为了研发更高性能的QoS单播路由算法,提出变异退火粒子群优化（MSAPSO）算法。MSAPSO算法中使用一种新的。算子,将粒子群优化（PSO）的迭代公式简化成一个公式。通过设计变异退火算子,将遗传算法的变异操作和模拟退火的Meuopofis概率接受准则融入PSO,以改善粒子群的多样性和算法的收敛性。仿真结果表明MSAPSO在搜索成功率和收敛性上优于纯PSO算法和蚁群算法。     

模糊环境下多周期多决策生鲜闭环物流网络

针对生鲜品因易腐易损性而产生的高频次物流配送及不确定需求与退货量的问题，提出了模糊环境下多周期生鲜闭环物流网络系统，以实现最小系统成本、最优设施选址与最佳配送路径的多决策安排。为求解系统对应的模糊混合整数线性规划（FMILP）模型，首先将生鲜需求量和退货量设定为三角模糊值，其次运用模糊机会约束规划方法将模糊约束等价变换为清晰式，最后利用遗传算法（GA）和粒子群优化（PSO）算法搜索案例的最优解。实验结果表明，多周期闭环系统比单周期更能兼顾多决策规划，同时三角模糊量的置信水平变化对企业最优运作有着显著影响，进而为相关决策者提供借鉴。     

区域低碳物流运输网络双层优化研究

区域低碳物流网络优化是建立低碳物流系统的重要环节。引入低碳理念,考虑政府低碳线路规划与货主之间的博弈,上层区域物流网络的优化以碳排放、成本、时间最少化,下层货流运用改进的Logit路径选择分配,建立了基于低碳理念的区域物流运输网络双层优化模型。根据模型求解的复杂性,运用网络变形和遗传算法给出求解优化模型的方法和步骤。算例仿真计算结果表明,该模型与算法在区域物流运输网络低碳优化组合中是准确且可行的,有益于低碳物流网络构建。     

以自动化码头为中心的船舶配载优化

针对自动化码头船舶配载效率较低的问题,为了提高设备资源利用率,提出了一种基于船舶配载特点设计的固定集搜索（FSS）算法。首先,在考虑一般船舶配载原则的基础上,以桥吊作业计划为依据,引入箱区作业均衡因素,将最小化箱区翻箱量、总装船时间以及尽可能的箱区作业均衡作为目标,建立自动化码头船舶配载混合整数规划模型;其次,通过固定较优解中多次出现的元素来寻求最优解。实验结果表明,不同规模的实例下,FSS算法相较于Cplex,翻箱量和不均衡箱数分别平均减少了22.3%和11.7%,目标函数值平均优化了6.5%;所提固定集搜索算法与粒子群优化（PSO）算法、遗传算法（GA）和蚁群优化（PSO）算法相比,目标函数值平均优化了2.1%,凸显了FSS算法更高的配载效率。而为了增加案例的多样性,对箱区堆栈分布和比例进行了调整。在这个情况下,FSS算法的不均衡箱数相较上述三种算法平均减少了19.3%,设备资源利用率更高。     

基于广义遗传粒子群优化算法的供应链优化求解

供应链优化研究是供应链管理中的一个重要问题,也是一个难题,首先提出了一个新型供应链优化模型,针对该优化问题的求解,构造了融入特殊自然演化规则的广义遗传算法(GA),并且与粒子群优化结合,得到了广义遗传粒子群优化算法,克服了粒子群优化算法局部收敛的缺陷,提高了其全局收敛的能力。实验表明,对供应链优化问题的求解,广义遗传粒子群优化算法优于传统的遗传算法、粒子群优化算法和分枝界定法。