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。     

基于车辆共享的生鲜商品多车舱装载配送路径优化问题

目的 针对生鲜商品物流配送优化研究在车辆共享调度和多车舱装载配送合理结合方面存在的不足,研究了基于车辆共享的生鲜商品多车舱装载配送路径优化问题。方法 首先,结合生鲜商品温控条件和多车舱装载约束,建立了生鲜商品多车舱装载配送的物流运营总成本最小化的数学模型;其次,设计了蚁群-禁忌搜索混合算法求解模型,并引入选择性赋予机制和车辆共享策略以提高算法的寻优性能;然后,通过与粒子群算法、大邻域搜索算法和差分进化算法的对比分析,验证了所提模型和算法的有效性;最后,结合实例,比较分析了生鲜商品多车舱装载配送优化前后的相关指标,提出车辆路径优化方案,并从服务时间段划分和车舱容量选择2方面进行敏感性分析。结果 优化后的物流运营总成本降低了43.53%,平均装载率提高了25%,并验证了合理划分服务时间段和选择车舱容量可有效提高车辆平均装载率和降低生鲜商品价值损失。结论 所提模型、算法和车辆共享策略可合理规划配送路径,降低运营总成本和生鲜商品价值损失,进而为基于车辆共享的生鲜商品多车舱装载配送路径优化问题提供方法参考和理论支撑。     

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。     

装卸一体化电动汽车路径问题建模与优化

通过引入比能耗,首次将载货量和行驶距离同时作为电动汽车能耗的影响因素进行分析,并着重强调了载货量在电动汽车路径规划中的重要性.以电动汽车固定使用成本和能耗成本所构成的总成本最小为优化目标,建立了装卸一体化电动汽车路径问题的混合整数规划模型,并提出了基于变邻域搜索和模拟退火的混合启发式求解算法.为测试算法的有效性,设计了...     

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。     

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。     

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。     

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。     

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.     

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.     

存在车辆租赁及共享且有时间窗的多配送中心开环VRP

物流活动的空载率居高不下源于路径规划不合理及企业间缺少合作,共同配送是降低空载损失的有效模式,但非集中式共同配送下物流企业可能基于被分派的订单选择自身成本最小的配送路径,从而导致共同配送联盟的空载损失变大。本文研究考虑空载损失的非集中式共同配送订单分派及路径优化,首先提出空载损失定义,权衡整个配送过程的成本最小和空载损失最小两个目标,基于非集中式共同配送的特征设计订单分派策略,进而建立订单分派及路径优化模型。设计了基于ε约束法的精确算法、改进的MOPSO (multiple objective particle swarm optimization) 算法、多项式时间快速算法进行求解,并结合算例验证算法的有效性。数值分析结果表明,即使物流企业均追求自身成本最小化,提出的订单分派策略也可得到与全局优化相近的结果。

     

时尚行业零售网点多品类取送货车辆路径优化研究

在时尚行业中,零售商会在每个周末预测下周每种货品的数量需求,以确保满足各网点下周的销售需求.在每周开始时零售商安排配送车辆向每个网点取货或送货,将网点多余的货品取走,并向其补充数量不足的货品,由此衍生出多品类组合下带有取送货的车辆路径问题.为了降低物流成本,通过分析快时尚零售行业的取送货特性,提出了顶点拆分策略,以仓库...