多通路环境下的动态车辆路径问题研究

城市路网的不断扩张和实时交通信息的便捷获取使得物流配送线路优化更具灵活性,为提升城市物流配送效率提供了新方向。为此,以多通路环境下的动态城市配送为研究对象,建立具有路径灵活选择的动态车辆路径问题（dynamic vehicle routing problem with path flexibility,DVRP-PF）的两阶段混合整数数学规划模型,并设计改进遗传算法对模型进行求解。为了验证模型与算法的可行性和适应性,以重百超市物流配送为研究案例,从配送时间、距离以及成本等方面分析DVRP-PF模型的优化效果。结果表明：相比于传统车辆路径问题,DVRP-PF在配送时间上节约10.64%,配送成本减少5.59%,而配送距离仅仅增加2.84%,显示了DVRP-PF对于提升城市配送效率有着显著的意义。     

多车程多时间窗车辆路径问题研究

针对末端物流中配送车辆多趟次运输、客户对配送服务时间的多样化需求,研究多车程多时间窗车辆路径问题。构造该问题的最小化车辆数量和总运输成本的双目标混合整数规划模型,设计改进的自适应大邻域搜索算法对其求解;构建了基于路径、车程及客户点3个层级上的多种高效的破坏算子和修复算子来扩大解的搜索空间;使用自适应策略选择高效的搜索算子,以及引入模拟退火新解接受准则避免陷入局部最优解来提高搜索效率。通过多种规模算例实验结果分析,验证了改进的自适应大邻域搜索算法的优越性,并分析了考虑多车程的模型对总运输成本的影响。     

多配送中心冷链运输路径优化

目的 在降低配送成本的同时,保证生鲜配送的顾客满意度。方法 综合考虑运输距离、配送时间窗约束、生鲜变质等因素,以运输成本、制冷成本、车辆调用成本、配送中心开放和闲置成本及自提点对配送时间和生鲜品质的满意度为目标函数,建立双目标生鲜配送路径优化模型。结果 利用非支配排序遗传算法求得了不同需求情况下的生鲜配送方案。结论 在不同的需求状况下,合理选择开放配送中心能够在保证一定顾客满意度的情况下,有效降低了配送成本。     

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。     

配送中心MOB系统配置下配货路径优化问题

提出配送中心中,高层MOB系统下配货路径优化问题,分析该类型作业问题特点的基础上,设计混合启发式算法,然后对算法进行模拟测试,结果显示效果良好.     

电子商务环境下多阶段动态路径问题研究北大核心CSSCI

在当前的电子商务模式下,顾客订单信息通常是动态变化的,并且具有很强的时效性,为此提出多阶段动态响应策略;在响应过程中,将顾客的时间窗划分为多个阶段,在每个阶段中根据需求属性对顾客进行分级服务,设计分级服务策略,将需要配送的顾客分为可推迟顾客和不可推迟顾客,建立带惩罚的多阶段动态车辆路径模型,同时设计改进自适应遗传算法求解该模型。最后,结合仿真算例来验证模型与算法的有效性。     

改进分散搜索算法求解包装废弃物回收路径规划问题

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。     

基于捕食搜索策略的粒子群算法在车辆路径问题中的应用

通过对捕食搜索策略限制的调节,来实现粒子群算法搜索空间的增大或减小,从而达到探索能力和开发能力的平衡,使粒子群算法求得更好的最优解。并用C++语言编程实现并将其应用于实例,证明该算法的有效性和可行性。     

面向快递同城运输的车辆路径问题研究

为降低运输成本,研究了快递同城运输中的车辆路径问题。建立多车型,含时间窗约束、容量约束、车辆限行约束,并考虑错峰交货的,以最小化运输成本为目标的混合整数规划模型。提出以点到点集的距离之和作为邻域搜索优先指标的构造性启发式算法,设计了基于“路径−车型对”的列生成算法,初始列由启发式算法求得。实验结果显示,对于120个点的大规模问题,列生成算法只需175秒就能得到近似最优解,验证了该算法的有效性及对一定规模内快递同城运输问题的适用性。     

三维装载约束的车辆路径问题的模拟退火算法

传统的车辆路径问题只考虑物品装载的质量属性约束,而忽略其他装载属性约束.针对这种情况,研究了三维装载约束的车辆路径问题,提出了三维装载的处理算法,基于模拟退火算法设计了一种两阶段启发式算法进行求解:第1阶段通过启发式算法得到初始解;第2阶段通过模拟退火算法对初始解进行改进,构造了测试集对结果进行验证.实验结果显示该算法是能够有效的求解该问题.     

新鲜度限制约束下物流配送中心选址-路径优化

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。     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。     

具有时间窗约束累积性车辆路径问题的禁忌搜索优化算法

基于对中国实际物流运输中成本计算方法的研究,考虑到我国高速公路系统计价方式的特殊性,提出了具有时间窗约束的累积性车辆路径问题。以降低实际车辆运输成本为目标,设计了新型的禁忌搜索算法对问题进行有效求解;算法中嵌入多种邻域搜索方法,允许同时在可行和不可行解空间内进行邻域搜索,同时采用Nagata提出的时间窗违反量计算方法[1-2]对解的时间窗约束违反进行评估。针对提出的新型问题的数值试验证明了所采用的时间窗违反量计算方法的时间节约性和有效性;同时由于该问题可以覆盖传统的累积性车辆路径问题,对后者的数值实验以及与其他优化算法的对比验证了所提出算法的优良求解效果。     

物流车辆路径问题的混合快速蚂蚁算法

通过分析快速蚂蚁算法的原理和易陷入局部最优的缺点,提出了将贪婪算法和快速蚂蚁算法相结合的混合算法求解物流车辆路径问题.混合算法在最优值未改进次数超过限定次数时,自动调用贪婪算法来寻找一个局部最优解,并调整相应路径上信息素的量.为保证解的多样性,对贪婪算法本身使用随机选择第一个客户的方法进行了调整.用计算实例比较并分析了快速蚂蚁算法、混合算法及其他算法应用到车辆路径问题上的结果,说明了贪婪算法使混合算法跳出局部最优的过程以及混合算法的不足之处.     

连锁超市考虑越库作业的多车型车辆路径研究

针对连锁超市需求品类多、配送成本高的问题,采用越库作业的方式来减少物流运输中的库存成本,考虑到降低车辆的运输成本,在越库中心使用多车型的配送方式,以便更好地提高车辆的满载率。将物流过程分为集货、送货两阶段,采取集货过程同类型车辆协同取货和送货过程使用多车型配送的方式;为此,以车辆的运输成本、固定成本最小化为目标,建立具有多车型的越库配送车辆路径优化模型;考虑模型复杂性,设计改进遗传算法对模型进行求解,通过扫描算法产生初始种群;最后结合算例将单车型和多车型的运输成本进行比较,对模型和算法进行验证分析。结果表明,具有多车型的越库作业能有效地提高连锁超市的运作效率,降低物流成本。     

带时间窗车辆路径问题的并行遗传算法

采用并行遗传算法研究了带时间窗限制的车辆路径问题.通过设计并行算法和交叉、变异等算子提高了算法的计算效率和性能.通过计算若干benchmark问题,验证了模型的有效性.     

带时间窗的同时取送货车辆路径问题求解算法

为了整合物流配送过程的退货与送货服务,依据实际情况建立带时间窗的同时取送货车辆路径规划模型,设计一种基于K-means聚类处理的Q-Leaning自启发式蚁群算法解决此类问题。根据配送服务的特性,在基本的K-means算法上作相应的改进,同时提高蚁群算法的局部搜索能力,完成两算法的合理衔接。选用相关文献数据和标准算例进行实验,验证所提算法具有较好的性能,可以解决所描述的此类问题。     

考虑运载能力与行程约束的绿色车辆路径问题北大核心CSSCI

针对在推广新能源车辆时所遇到的车辆覆盖范围小,能源补充站有限等问题,建立了考虑新能源车辆运载能力与行程约束的绿色车辆路径问题(CGVRP,Capacitated Green Vehicle Routing Problem)的数学模型,同时设计两阶段的启发式算法对CGVRP问题进行求解。通过算例验证了算法的可行性与有效性。根据算例的结果,发现增加能源补充站的数量能够减少新能源车辆配送路径的长度。此外,就CGVRP问题算例结果与具有运载力约束的车辆路径选择问题(CVRP,Capacitated Vehicle Routing Problem)的结果比较发现,尽管车辆在配送过程中的二氧化碳排放量得到了极大地减少,但CGVRP模型的新能源车辆路线长度更长。     

面向垃圾分类的全柔性多车舱车辆调度优化研究

垃圾分类运输是垃圾分类政策有效实施的重要环节。现有分类运输方法以单车舱专用车辆为主,易造成车辆资源浪费、垃圾收集点拥堵等问题。为此,本文引入能同时独立运输多种垃圾的多车舱车辆,依托我国垃圾收运实际情况,对车舱设置、收运模式等进行分析;以此为基础提出全柔性多车舱车辆路径问题(full flexible-MCVRP)及优化模型,并采用遗传算法进行求解。实际算例表明,与现有专用车辆分类调度方案相比,本文所给多车舱车辆调度方案总行驶路径更短,收运效率更高。进一步,针对几种典型城市生活区域,研究了垃圾分类占比对车舱分配方案的影响,为多车舱车辆设计提供参考。     

考虑动态行驶时间的无人驾驶车辆调度问题研究

利用无人驾驶车辆进行物流配送有助于降低物流运输成本,提高运输效率。研究考虑动态行驶时间的无人驾驶车辆路径问题,提出动态行驶时间与时变速度相关。综合分析实际中的车辆速度、时间、剩余里程和充电时间,建立以总配送时间最短为目标的数学模型。最后,结合京东在某城市物流配送项目中的实例,运用不同的算法合理有效地完成了车辆配送路径规划。通过实例验证了搭建的数学模型的准确性和设计算法的优越性。