多中心联合配送模式下集货需求随机的VRPSDP问题

针对多中心联合配送模式下集货需求随机的同时配集货车辆路径问题(MDVRPSDDSPJD), 构建了两阶段MDVRPSDDSPJD模型. 预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆, 生成预优化方案; 重优化阶段采用失败点重优化策略对服务失败点重新规划路径. 根据问题特征, 设计了自适应变邻域文化基因算法(Adaptive memetic algorithm and variable neighborhood search, AMAVNS), 针对文化基因算法易早熟、局部搜索能力弱等缺陷, 将变邻域搜索算法的深度搜索能力运用到文化基因算法的局部搜索策略中, 增强算法的局部搜索能力; 提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度. 通过多组算例验证了提出模型及算法的有效性. 研究成果不仅深化和拓展了VRP (Vehicle routing problem)相关理论研究, 也为物流企业制定车辆调度计划提供一种科学合理的方法.     

带时间窗偏好的多行程模糊需求车辆路径优化

为使模糊需求车辆路径问题更贴近现实情况,考虑开放车辆行程限制和设置客户时间窗偏好,研究了带时间窗偏好的多行程模糊需求车辆路径问题。首先,在需求未明的预优化阶段,以物流成本和时间成本总和最小为目标,建立了预优化模型,其中决策变量增加了行程维度的表达、车辆容量约束按单行程核算、客户到达时间约束按多行程累加计算、客户满意度约束定义为到达时间隶属度函数;其次,在获知实际需求的实时调整阶段,基于提前柔性选择返回点和不完全局限和固定计划返回点两个原则,提出基于调整成本期望值的实时调整策略。最后,种群进化算法求解测试算例验证了预优化模型的有效性,随机模拟算法模拟实时场景验证了实时调整策略的有效性。     

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.     

考虑冲突和拥堵的自动导引车调度与路径规划协同优化

针对自动化集装箱码头自动导引车（AGV）调度与无冲突路径规划问题,提出了AGV冲突拥堵解决策略以生成无冲突路径。首先,考虑堆场缓冲支架的容量,运行路径无拥堵、节点无冲突约束,以最大完工时间最小、AGV总行驶时间最短为目标建立两阶段混合整数规划模型;其次,设计改进的自适应遗传算法、基于冲突拥堵解决策略的迪杰斯特拉算法求得AGV调度方案与无冲突路径。算例分析结果表明：改进的自适应遗传算法相较遗传算法平均求解时间降低了13.56%,且目标函数平均差距率为9.01%;基于冲突拥堵解决策略相较停车等待策略使得水平运输区拥堵度降低67.6%,AGV等待时间减少66.7%。可见,所提算法求解质量高且速度快,同时验证了所提策略的有效性。     

混合分散搜索算法求解带容量约束车辆路径问题

设计一种解决带容量约束车辆路径问题的混合分散搜索算法. 在基本分散搜索的基础上, 保留参考集更新策略和组合策略的全局搜索能力. 采用随机插入法作为解的多样性产生方法, 以扩大搜索空间, 避免陷入局部最优.应用简化的变邻域搜索作为改进策略进行局部开发, 引入邻域半径减少策略提高开发效率. 对改进后的新种群实施精英保留策略, 保证算法收敛. 实验结果分析表明, 混合分散搜索算法优于所对比的算法, 寻优能力可靠.

     

考虑能耗节约的集装箱码头双小车岸桥与AGV联合配置及调度优化

合理调度集装箱码头的装卸设备以减少生产过程中的能耗, 对实现其低碳绿色化发展具有重要意义. 针对集装箱码头向自动化发展过程中的双小车岸桥与AGV (Automated guided vehicle)联合配置及调度问题, 考虑AGV续航时间、双小车岸桥中转平台容量和堆场缓冲支架容量约束, 以岸桥的能耗最小为第一阶段模型的优化目标, 以AGV运输过程的能耗最小为第二阶段目标建立两阶段优化模型; 设计枚举法求解第一阶段模型, 改进遗传算法求解第二阶段优化模型. 以洋山四期自动化集装箱码头为例进行实验分析, 针对不同船舶在港总装卸时间和AGV配置原则进行实验, 验证了模型和算法的有效性, 结果表明以最小化能耗为目标的双小车岸桥与AGV联合调度可在岸桥主小车不延误的前提下, 显著减少AGV的配置数量.     

模糊需求下多中心开放式车辆路径优化

针对模糊需求下多中心及开放式三重约束的车辆路径问题,运用三角模糊数表征模糊需求,根据可信性理论设置决策保守程度值刻画决策者的风险偏好,对多中心约束采用"先路径后分组"的策略,在此基础上建立了相应的数学模型;设计了两阶段禁忌搜索算法进行求解,算法第1阶段求解包含全部客户的旅行商问题,以此作为算法第2阶段的初始解,并采用合适的编码方式来保证算法两个阶段解兼容。通过算例实验表明,所使用的三角模糊数能够有效地对模糊需求进行定量刻画,随机模拟算法则能在计算机中对模糊需求进行模拟。所设计的两阶段禁忌搜索算法的第1阶段能够显著提升算法整体的求解质量。决策者的决策保守程度对配送总成本影响很大,过于保守或过于冒险均不能获得较好的路径安排方案,决策保守程度值为0.6时的模型求解效果最好,所提算法能够在可接受时间内对该类问题进行有效求解。     

多场桥分区域平衡策划下的集装箱堆场箱位分配问题

集装箱码头堆场出口箱箱位分配和场桥调度对码头运营效率有重要影响. 为了合理分配箱位和调度场桥, 采用分区域平衡策划方法, 在给定批量任务下, 考虑场桥实际作业中的安全距离, 以均衡各场桥作业任务量和减少场 桥的非装卸时间为目标, 建立混合整数规划模型, 并设计遗传算法求解, 通过不同批量任务的实验分析验证所提出方法的有效性. 研究表明, 分区域平衡策划方法可以更好地解决箱位分配和箱区多场桥联合作业的优化问题.

     

考虑多种污染气体排放的集装箱码头泊位-岸桥-集卡集成调度优化

在对集装箱码头的核心作业过程进行分析的基础上，建立了基于船舶在港延迟时间最短和多种污染气体排放最少的泊位-岸桥-集卡的集成调度优化模型，并设计了一种基于量子局部搜索的非支配排序遗传算法（QNSGA-Ⅱ）。最后以某港口为例进行了实证分析，并将QNSGA-Ⅱ算法与非支配排序算法（NSGA-Ⅱ）和多目标粒子群优化算法（MOPSO）进行了比较。结果表明：QNSGA-Ⅱ算法在帕累托边界的完整性、分布均匀性和收敛性方面均得到了显著提高；港口区域产生的污染物排放量与延迟时间之间存在负相关关系，如果港口盲目追求高服务效率，将导致港口地区污染物排放量的大量增加。     

基于生鲜品多中心联合配送的半开放式车辆路径问题

针对生鲜品的物流配送问题,提出一种半开放式的多配送中心联合配送模式。考虑到生鲜品运输的时效性要求,设计了相应的时间窗及惩罚成本,构建了以车辆运输成本、派遣成本、时间惩罚成本及生鲜损耗成本等总和最小的优化模型,并设计了蚁群算法对其进行求解。通过算例对比验证了模型与算法的有效性。算例实验表明,半开放式多配送中心联合配送模式优于以往单配送中心独立配送模式,能快速对客户的生鲜需求做出响应,提高物流配送效率,减少生鲜品的损耗,进而降低总的物流配送成本,促进生鲜物流的快速发展。