多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

策略梯度的超启发算法求解带容量约束车辆路径问题

有容量车辆路径问题是组合优化问题中比较热门的问题,它属于经典的NP-hard问题并且时间复杂度高.本文提出了一种基于策略梯度的超启发算法,将强化学习中的确定性策略梯度算法引入到超启发算法的高层策略中的底层算法选择策略,确定性策略梯度算法采用Actor-Critic框架,另外为了能够在后续计算和神经网络参数更新中引用历史经验数据,在确定性策略梯度算法中设计了经验池用于存储状态转移数据.在超启发算法解的接受准则方面,文中通过实验对比了3种接受准则的效果,最终选择了自适应接受准则作为高层策略中解的接受准则.通过对有容量车辆路径问题标准算例的计算,并将求解结果与其他算法对比,验证了所提算法在该问题求解上的有效性和稳定性.

带时间窗的时间依赖型同时取送货车辆路径问题研究

针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。

软时间窗下考虑冷链物流多温共配的电动汽车路径优化

为了解决冷链物流的城市配送路径优化问题,面向物流企业低成本、高效率的需求,提出了一种新的具有软时间窗的电动汽车多温共配路径优化模型.该模型基于蓄冷器与保温箱,使不同温层货物可以在普通电动汽车上同时配送,提高车辆利用率.提出一种改进的蚁群算法来求解,将两元素优化(2-optimization,2-opt)算法与蚁群算法相结合,提高算法的局部搜索能力.基于Solomon数据集进行算例分析,验证模型与算法的有效性.结果表明:相较于单温配送模式,多温共配可以减少配送成本、提升配送效率;随着时间窗宽度扩大,车辆数随之减少,配送成本呈减少趋势,当车辆数降到最少后,由于激励成本与货损成本持续下降,带动总成本缓慢下降.

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

基于双层规划的城市交通疏散与应急车辆调度协同决策

针对城市中可能同时发生多起事故的严峻形势,研究拥堵交通状态下的应急救援问题,构建了一种疏散与调度协同决策的双层优化模型。上层模型考虑行程距离得到备选救援路径;下层模型以救援最公平和行程时间最小为目标,以救援需求和时间窗为约束优化应急车辆调度方案,以路段最大流量和事故严重程度为约束优化交通疏散方案。为求解下层协同决策模型,设计了一种具有基因表达调控策略编码的改进遗传算法。算例结果表明:沿救援路径进行交通疏散,救援总行程时间较疏散前降低了24.02%;与BA、SFLA两种群智能优化算法相比,改进遗传算法最优解的平均目标值分别减少了10.17%、13.19%。

计及碳配额的电动公交车⁃配电网协同优化调度策略

考虑个人碳交易机制在电动公交车优化调度中的应用,提出一种基于动态碳价格的碳配额激励机制,电动公交车用户可以通过出售碳配额获取一定的收益。首先,计及路况对电动公交车运行时间产生的影响,根据工作日与休息日交通指数对电动公交车进站时间进行修正,构建电动公交车工作日与休息日充电负荷模型;然后,将基于动态碳价格的碳配额激励机制运用于电动公交车与新能源协同调度策略,构建综合考虑用户与电网利益的多目标函数,并运用鲸鱼算法对目标函数进行求解;最后,基于经济指标和性能指标,对固定碳价格、动态碳价格两种激励机制进行对比分析,通过算例验证了基于动态碳价格的碳配额激励机制的电动公交车与新能源协同调度策略的优越性。

基于模块化车辆技术的机场旅客远程接驳系统调度研究

为改善机场远程停车旅客接驳服务水平,本文提出利用模块化车辆技术构建无人驾驶远程接驳系统,以乘客和运营方总经济成本最小为目标,同时考虑系统的安全性、人数守恒和运营质量等约束,构建不等发车时距的调度模型,并使用商业求解器Gurobi求解。为提升模型求解速度,同时设计了遗传算法,并对2种方式的求解速度以及精度进行比较分析。结果表明:Gurobi求解器所求的发车方案为最优,遗传算法求得近似解,二者仅相差3.4%,但遗传算法所需的计算时间是Gurobi的1%;而从解的质量来看,有微小差别的总成本基本也能满足实际运营需要。此外,通过与穿梭巴士发车方案相比,发现基于模块化车辆技术的发车接驳方案总成本降低64.50%,乘客平均等待时间降低76.35%,证明该方案比传统方案具有更好的经济性,并能大幅提高系统的服务水平。

基于自反馈阈值学习的半监督皮肤癌诊断模型

为解决监督学习皮肤癌诊断模型的训练需要大量数据标注,且医学专家标注工作成本高、耗时长、易疲劳等问题,提出了一种基于自反馈阈值学习(Self-Feedback Threshold Learning,SFTL)的半监督皮肤癌诊断方法.在标注数据预训练的ResNet网络基础上,引入全局和局部类别间伪标签自反馈阈值学习机制动态筛选ResNet预测概率大于自反馈阈值的无标记样本,引入无监督阈值学习损失和分类交叉熵损失进行模型训练,在标记样本稀缺的情况下深入挖掘无标记数据的鉴别诊断信息,显著降低模型在无标记皮肤病变图像中的误判率.选取公开数据集HAM10000的皮肤病变图像展开实验验证,在仅需50%标记数据下实现了0.8229的准确率和0.7651的F1分数,证明所提出的SFTL模型在半监督场景下可有效解决皮肤癌诊断任务,相比其他同类方法具有更好的分类性能.

集配一体化需求背景下选址路径集成问题算法

为做好集配一体化背景下物流网络选址-路径规划设计,用大规模邻域搜索算法的破坏、重组策略代替传统混合自适应遗传算法中的交叉、变异过程,实现算法的优化设计.通过模拟算例分析可知,优化后的算法能够有效克服传统算法在运算过程中出现的早熟及稳定性差等问题,在一定程度上提升获取更优解的概率,提高客户满意度.利用已知标杆数据对算法进行有效性检验.计算结果表明:优化后的算法各项指标表现良好,对于部分数据的计算结果优于其他3个已有算法,与已知最优解基本保持一致,进一步验证了优化算法的科学性和有效性.

考虑残疾乘客优先的多车场定制公交路径优化

【目的】探究考虑残疾乘客优先的多车场定制公交路径优化问题,为定制公交路径决策提供理论依据。【方法】构建以车辆行驶时间成本、车辆固定派遣成本、残疾乘客等待时间成本之和最小为目标,包含多起终点、多停车场、多车型、多乘客类型、残疾乘客上下车优先等诸多要素的定制公交路径优化模型。改进Benders分解算法,并采用多平面割约束策略及引入松弛变量的方式提高算法求解效率,最后通过案例对模型和算法进行分析和验证。【结果】与未考虑残疾乘客优先相比,在考虑残疾乘客优先的情况下,残疾乘客的等车时间和乘车时间分别减少了30.6%和1.3%;与传统分支定界算法相比,改进的Benders分解算法在获得满意解的同时,运算时间缩短了20.6%。【结论】本文提出的模型有效减少了残疾乘客等车时间和乘车时间,改进的Benders分解算法同样有效。本研究对解决残疾人出行问题具有重要的现实意义。

基于交通预测信息的电动汽车充电路径规划

针对电动汽车充电路径规划问题,以行程时间为优化目标,以荷电状态作为硬性约束,基于预测交通状态标定的动态异构交通网及车辆动力学模型,构建最优控制问题。为了在线求解,基于模型预测控制和强化学习方法,构建混合学习优化算法(hybrid learning optimization algorithm, HLOA),依托竞争深度Q网络(Dueling deep Q-networks, Dueling DQN),设计离线、在线模块,来实现参数的混合多步训练,并结合预测交通状态、网络拓扑及车辆动力学模型,输出在线行驶策略。采用某市局部路网构建交通仿真实验,分析预测交通信息的价值、HLOA算法可行性及结构必要性。结果表明,预测信息存在价值,HLOA在线结果可拟合最优策略且较其他算法精度提高33.65%。该研究可协助电动汽车用户导航,为自动驾驶电动汽车提供技术支撑。

通勤合乘路径优化模型与算法

道路车辆的增多导致城市交通和环境问题日益严重,共享合乘被认为是减少交通拥堵,降低碳排放的有效方法,特别是在新冠疫情持续影响下,通勤者采用互助合乘出行意愿较高.本文考虑到通勤时间的紧迫性,通勤者存在通勤压力和合乘不适感,在没有经济效益驱动的情况下,限制合乘路径的匹配范围,并加入惩罚因子以提高合乘配对成功率.本文提出了一种基于最优时间插值的贪婪启发式算法,添加了3种扰动算子来提高全局搜索能力,采用多组不同规模案例测试扰动效果.结果表明:设计算法可以在短时间内求解出更优结果,在解决大规模问题上,相比于精确算法、粒子群算法和遗传算法更具竞争力.此外,通过选取位置较远且分布均匀的职员作为接送者,可以改善合乘效果.

面向资源约束的电动公交车充电调度策略

为减少公交运营成本、合理制定插入式充电模式下公交总站的电动公交车充电调度方案,本文基于帝国竞争算法提出了一种面向资源约束的公交车充电调度策略(RCO-CSS)。基于电动公交车运营的时空特点和充放电特性,应用多技能资源约束多项目调度问题(MSRC-MPSP)运筹规划思想对电动公交车充电问题进行抽象建模,以车队规模与充电桩数量为主要资源参数,以最小化充电成本和日均设备购置成本为目标,构建资源约束充电调度模型,进而设计一种二阶段演化帝国竞争算法(TSE-ICA)对模型进行求解,输出最佳的充电调度方案及匹配的行车运营计划。采用4个分别包含5、10、20和36条线路的公交运行实例对RCO-CSS进行了性能评估与有效性验证。在实例探讨中,首先运用Taguich法对资源参数进行了敏感性分析,发现资源越宽裕,模型输出的日充电费用越小,但车辆与充放电设备平摊至每日的购置成本越大;其次,将TSE-ICA与其他4种先进的元启发式算法进行实验数值对比,验证了所提算法的寻优性能;最后,通过与无序充电调度策略和常规有序充电调度策略进行比较,证明了RCO-CSS能够更好地降低用电成本、设备购置成本和电池充放电次数。基于MSRC-MPSP和TSE-ICA的RCO-CSS为公交运营商制定充电调度方案和行车运营计划提供了一种可行且敏捷高效的新思路。

动态环境下基于换电模式的电动车路径问题研究

在实际配送中,考虑车速受不同天气、不同时段的影响,根据电动车辆行驶速度与能耗之间的函数关系,以电动车固定行驶成本、能耗成本、时间惩罚成本构成的总运输费用最小为目标,以车辆载重、车辆电池容量、客户时间窗、车辆速度为约束条件,构建动态环境下基于换电模式和时变速度的电动汽车路径优化模型。用遗传算法对模型求解,采用实数编码、轮盘赌选择算子、随机单点交叉、随机变异的方式,并以小变异率提高局部搜索能力,然后与车辆速度恒定时的几种情况进行对比。试验结果表明,所建立的优化模型更符合实际情况,能够根据客户属性和动态环境下的路网特性,合理安排发车、规划配送路径和顺序,从而降低配送成本,为物流企业运营车辆和优化配送提供参考。

集配一体化车辆路径规划的混合进化多目标优化

为了给各物流企业在车辆配送路径规划方面提供合理有效的决策支持,提出了一种多区域混合采样策略的全局搜索和基于个体间路线序列差异局部搜索相结合的混合进化多目标优化算法。对问题进行合理的数学模型构建,利用全局搜索策略使得种群个体从多个方向快速收敛至Pareto前沿面,并使用局部搜索策略来引导种群中表现差的个体朝着表现好的个体的方向进化,从而提高了个体的质量和算法的局部搜索能力。所提算法在集配一体化车辆路径问题的标准测试数据集上进行了一系列的实验,结果表明所提方法在收敛性上明显提升,同时搜索到的解具有良好的分布性能。

含电动汽车的工业园区综合能源系统优化调度

提出了一种含电动汽车负荷的工业园区综合能源系统优化调度策略。首先,基于不同时段的负荷特性差异以及电动汽车用户的需求差异,建立电动汽车柔性充放电模型;其次,针对园区中氢能需求,建立了相关的氢能设备模型;然后,将电动汽车集群、分布式光伏和氢能设备集成至综合能源系统中,经由二阶锥松弛处理形成一体化数学模型;最后考虑具有太阳能光伏与电动汽车集群的工业园区综合能源系统能量管理与能源交易,进一步分析其日常运行状态。研究结果表明:所提策略能兼顾综合能源系统运行收益和风险成本的平衡。

“人货合乘”模式下考虑碳排放成本的网约车路径优化

随着社会行业数量增加、业务种类丰富,许多行业都需要通过交通运输来为客户提供特定的服务,不时会产生诸如道路拥堵的交通问题以及诸如二氧化碳气体排放的环境问题。为在合理运用道路交通资源的同时减少碳排放量,在共享经济的基础上将网约车行业与物流业相联系,使网约车协助快递公司配送货物,形成一种“人货合乘”的配送模式。基于此,考虑碳排放成本,构建以网约车利润最大、乘客与司机的等待时间总和最小的双目标优化模型,以NSGA-II算法为求解框架,采用启发式方法构造初始解,并设计了保序交叉算子和双车辆交叉算子,同时通过融合、替换、移动等变异算子对解产生扰动。最后结果验证了“人货合乘”配送模式在缓解交通问题和环境问题上的有效性。