集货需求可拆分的多越库中心库门分配及车辆路径协同优化

针对集货需求可拆分的多越库中心库门分配及车辆路径协同优化问题,综合考虑多越库中心共同配送、集货需求可拆分、库内操作等因素,以车辆派遣成本、车辆油耗成本、库内叉车固定成本和运输成本以及时间窗惩罚成本之和最小化为目标,建立优化模型.根据问题特征,设计混合遗传算法求解.该算法在交叉变异中引入具有方向性的粒子群寻优,采取进化逆转和保留最优个体策略改善求解质量.通过多组算例验证算法的有效性,并分析配送模式以及车辆类型对配送方案制定的影响.结果表明,所提出模式能有效降低越库中心运营成本.研究成果不仅可以丰富越库配送模式下的车辆路径问题研究,也为多越库中心物流企业合理利用资源制定科学的配送方案提供理论依据.     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题，综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响，构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型，该算法采用聚类法生成初始解，基于运力平衡的返回策略设计交叉和变异算子，并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性，并分析了运力平衡策略和混合时间窗对制定配送方案的影响。研究成果可丰富车辆路径问题的相关研究，为物流企业优化决策配送方案提供了理论依据。