支持即插即用的CNC系统

目前数控系统中硬件设备互换性差,开放性不足,迫切需要改进。本文吸取即插即用的思想,采用设备驱动技术,增加了数控系统硬件配置的灵活性,为数控系统的开放性提供了一种方法。     

考虑参考效应的网络零售商配送时隙定价研究

由于电商的快速发展，客户在购买商品时可根据内外部因素了解商品的历史信息，依据历史信息和现在商品信息做出比较，这些行为会对需求有一定影响，形成参考效应。在参考效应的影响下，探讨在含有参考价格的参考效应下对网络零售商配送时隙定价以及收益的影响，在效用函数中加入参考价格因素，建立logit选择模型，提出具有参考效应的收益模型。结果表明：参考效应强度的不同对时隙选择的影响不同，参考价格的增加，会造成网络零售商的收益增加。参考效应影响下，网络零售商的配送时隙收益随时隙定价的增加先增后减，研究结果对零售商配送时隙定价具有参考意义。     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制,在满足商用要求的前提下,纯电动汽车用于长途运输服务在短期内难以实现。不过,城市物流因其配送区域较小、货物的批量较小、批次较多的特点,可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响,建立了考虑车辆负载对实时能耗影响的配送模型,以及时满足客户的服务时间要求。并以城市A为例,设计了蚁群算法对模型进行求解,为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后,通过与使用燃油车辆运营相比较,分析未来纯电动汽车在城市配送物流中的可行性。     

基于负荷平衡的电动汽车模糊多目标充电调度算法

居民小区电动汽车（EV）的单相充电方式导致配电网出现三相不平衡和负荷峰谷差问题,因此提出基于负荷平衡的EV模糊多目标充电调度策略。基于三相网络,将总延迟时间和充电平衡作为目标函数,考虑三相不平衡度和负荷峰谷差等约束,建立静态和在线调度问题下EV充电调度模型。采用改进非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）进行多目标求解,通过设计交叉算子、自适应调整变异概率和局部优化等来优化结果。通过设置一定容量的外部档案和拥挤距离判定来获得Pareto最优前沿,并用模糊隶属度方法得到折中最优解。最后,通过算例分析可同时活动充电点和三相不平衡度的不同取值对优化结果的影响,并与无序充电进行比较,验证了所提模型和策略的有效性。     

负载影响下纯电动汽车配送路径规划及充电策略

由于纯电动汽车行驶里程的限制，在满足商用要求的前提下，纯电动汽车用于长途运输服务在短期内难以实现。不过，城市物流因其配送区域较小、货物的批量较小、批次较多的特点，可以考虑使用纯电动汽车来完成城市的配送任务。为满足车辆当天多次配送任务的要求以及考虑车辆负载对实时能耗的具体影响，建立了考虑车辆负载对实时能耗影响的配送模型，以及时满足客户的服务时间要求。并以城市A为例，设计了蚁群算法对模型进行求解，为纯电动汽车的配送任务进行合理的路径规划与充电策略的安排。最后，通过与使用燃油车辆运营相比较，分析未来纯电动汽车在城市配送物流中的可行性。     

自动库存反馈补偿的订单型生产控制方法的成本问题研究

研究了自动库存反馈补偿的订单型生产控制方法,建立了自动库存反馈补偿的订单型生产控制的Z变换模型,并在此基础上引入了测量生产更改成本和库存成本的数学表达式,建立了均衡生产更改成本和库存成本的优化模型。最后,分析了优化模型的参数设置对成本性能的影响,并用工程实例验证了模型的科学性和实用性。     

基于强化学习的电商促销期时隙运能柔性分配研究

针对促销期间订单激增、车辆运能不足且分配不均的情况,分析客户时隙选择行为的影响因素,为顾客提供准时和延迟两种配送模式的选择,采用强化学习的思想,建立了基于马尔可夫决策过程的时隙运能分配模型,并采用替代配送、外包配送柔性方式对到达订单做出运能分配。算例结果证明,基于强化学习的时隙运能柔性配送策略,使得促销期间前后的时隙需求得以均衡,获得更高的订单配送率及车辆利用率;顾客对交付期的偏好程度影响顾客对时隙选择,延迟配送策略的延迟天数影响着商家的收益。研究结果对电商制定促销期间时隙运能分配策略有参考价值。     

考虑用户选择偏好的电动汽车充电站规划研究

在国家大力发展新能源汽车的过程中,充电问题一直阻碍着电动汽车的发展,充电基础设施尤其是快速充电站的规划和建设尤为重要。大规模发展电动汽车（electric vehicle,EV）的关键是根据用户的充电选择偏好,建立完善的充电基础设施,减少用户的里程焦虑,彻底解决充电不方便的问题。在考虑了各方面社会因素并确定一定数量的候选节点背景研究的基础上,提出了一种双目标规划模型,在满足需求、距离、容量等约束条件下,分析了建设充电站总成本和充电覆盖范围之间的关系,寻找最优的充电站建设方案,并以A城市B区为例,通过多目标粒子群算法进行求解,求出充电站的最佳节点和数量。用不同算法进行求解,通过对结果进行分析比较,表明多目标粒子群算法（MOPSO）在求解双目标问题时更具有实际意义。     

多中心联合取送货车辆路径优化与利润分配

共享模式是电商逆向物流的新发展趋势,在共享车辆与客户订单的条件下,考虑带时间窗约束的客户同时取送货情景,建立了MJVRPSDPTW（multi-centers joint vehicle routing problem with simultaneous delivery and pick-up and time window）模型。接着设计一种基于大邻域搜索的混合遗传算法进行求解,针对“多对多网络”设置虚拟中心并利用整体法优化,同时融合大邻域搜索算法中的“破坏”与“修复”算子,增强算法寻优能力。通过多组算例对比实验,证明该算法优于两阶段规划法与经典遗传算法。基于优化后的网络,利用Shapley值法对不同联盟情况下的各物流企业进行利润分配,结果证明大联盟最稳定且共同利润最大。     

基于集群的卡车与无人机联合配送调度研究

基于集群提出卡车与无人机联合配送新模式,来解决农村地区送货上门难的问题。考虑无人机载重和续航能力,以总运营成本最小为目标建立带时间窗的混合整数规划模型,并提出两阶段算法,通过改进后的K-means算法求出卡车停靠点,采用遗传模拟退火算法优化卡车与无人机联合配送路线。将其与传统K-means算法加CPLEX结果对比,可证明算法和模型的可行性与有效性。案例分析选取江苏某农村地区来进行末端物流配送的应用研究,结果表明卡车与无人机联合配送模式与纯卡车运输模式相比可有效减少总运营成本。研究成果可为农村地区末端配送中无人机的应用提供新思路和参考价值。