基于DQN的自动化集装箱码头自动引导车多目标调度优化

以自动引导车利用率最大和能源消耗量最小为目标,建立AGV调度优化数学模型,设计7种不同调度策略作为可变调度策略空间,提炼自动引导车调度问题的状态特征和奖励函数,提出一种基于深度Q学习网络算法(deep Q-network,DQN)的可变调度策略的调度算法。算例分析结果表明:与GA算法和Q-learning算法相比,采用基于DQN的调度优化方法求得的调度方案可使自动引导车的利用率分别提高14.76%和19.92%;能源消耗方面,采用DQN算法求得的调度方案平均能耗与GA算法和Q-learning算法相比分别降低16.88%和10.77%。通过与固定调度策略相比,平均利用率提升12.39%,平均能耗降低7.58%。可见本文方法的求解质量更高,同时与固定策略相比验证了所提出可变策略的有效性。

考虑客户满意度的实时取送货路径优化问题

针对即时配送订单出现的动态性、服务客户的满意度、末端配送路网的非对称性,在配送订单的时间窗限制下,建立实时取送货路径优化模型。通过定义并调整非对称网络系数,构建非对称配送网络,提出滚动时域忽略策略(Ignore策略)和滚动时域实时判断策略(Real-time策略)。Ignore策略要求配送员一旦出发,返回配送起点前忽略所有新出现的订单,Real-time策略要求配送途中实时判断当新订单出现时,是否返回起点取货,重新规划配送路线。使用数值仿真软件,在不同非对称系数、客户时间窗、订单数量等的情形下分析策略适用性。数值算例分析表明,Real-time策略适用于网络较大的情形,而网络较小且订单数量较少时,Ignore策略更适用。研究结果可为城市末端合单配送和路径优化策略提供新的思路和参考。

考虑速度时变的多配送中心医药冷链配送路径优化

随着医药冷链市场需求的迅速增长,越来越多的城市、企业采用多配送中心模式,因此研究多配送中心模式下的医药冷链路径优化以减少配送成本尤为重要。在实际配送过程中,由于交通拥堵问题,配送车辆无法保持恒定的速度,进而可能导致配送成本的增加。基于此,构建考虑时变速度的多配送中心医药冷链物流路径优化模型,并结合遗传算法与粒子群算法对模型进行求解。通过数值算例的结果表明了模型的合理性和算法的有效性。

新零售背景下企业的物流配送路径优化研究

在新零售背景下,为了提高企业的物流配送效率,增强顾客的满意度,通过分析盒马鲜生的物流配送路径优化问题,研究企业的物流配送路径优化问题。基于新零售运用的区块链技术,选取盒马鲜生为研究对象,针对盒马鲜生的物流配送特征,构建物流配送路径优化模型,设计禁忌搜索算法求解该模型,并通过实例分析验证模型的可行性和求解算法的有效性。结果表明,构建的模型和设计的求解算法能够有效的优化盒马鲜生的物流配送路径,对于优化企业的物流配送路径具有一定的参考借鉴作用。

共享单车减量回收路径优化模型及求解研究

为解决共享单车的过量投放回收清理工作任务量大问题,本文从交通运输执法者角度出发,对超配额的共享单车进行减量回收。考虑到共享单车站点在空间分布具有零散性会影响单车回收工作的效率,以车辆回收距离最小化为目标,建立多中心的共享单车减量回收路径优化模型。基于遗传算法,设计符合模型的求解算法。以包头市共享单车系统为例进行实证分析,结果表明,该模型及求解算法能缩短车辆回收距离,有效提高共享单车减量回收效率,节约了交通运输管理部门的人力物力。

时间窗约束下农产品物流配送路径优化研究

农产品需求量增加对物流配送提出较高挑战,基于此提出时间窗约束下农产品物流配送路径优化方法研究。依客户预期服务时间需求,取混合时间窗约束函数确定时间窗、物流配送车辆最大载重、配送路径长度与物流配送车辆约束条件,构建农产品物流配送路径优化模型;基于农产品物流配送需求改进传统遗传算法,求解构建模型,即获农产品物流配送路径优化结果。实验结果显示:相较生鲜农产品多车型冷链物流车辆路径优化,所提方法最优农产品物流配送路径获取迭代次数更少、配送路径长度更短、总成本更低,应用性能更佳。

多配送中心半开放式冷链物流配送路径优化

为了解决冷链物流服务的成本、质量以及运输产生的碳排放等问题,构建多中心半开放式冷链物流路径优化模型,并将各种动态变化融入该模型中。设计一种改进的NSGA-II算法并利用标准测试函数证实该算法具有较好的收敛性与多样性。通过算例实验,结果表明:与不考虑碳排放方案相比,考虑碳排放方案的配送成本增加了19.00%,运输距离减少了5.16%,碳排放成本降低了13.03%;与初始配送方案相比,实时优化方案的配送成本下降了29.78%,碳排放成本下降了23.19%,客户满意度增幅14.49%;与单配送中心模式相比,多配送中心模式的配送成本降低了27.30%,碳排放成本降低了48.89%,客户满意度提高了13.11%,从而为冷链物流企业带来一定的管理启示。

不确定需求条件下考虑风险公平的危险品运输网络设计问题

危险品运输事故具有低概率、高后果的特征,降低事故风险是危险品运输研究的重点。危险品运输产生风险的同时伴随着风险在空间上的分布不均衡,此前研究关注总风险最小和风险公平的权衡,但较少考虑不确定需求下的运输网络。运输需求波动可能引起风险增加,为了解决不确定需求下考虑风险公平的危险品网络设计问题,构建了危险品多起点-终点(OD)对运输网络设计的双层混合整数规划模型,上层和下层问题分别为监管者选择关闭路段以及承运人选择最优路径,并通过自适应遗传算法和局部搜索算法进行求解。通过实例分析发现,不同需求情景特别是部分OD对中断时产生不同的最优网络设计方案,采用的遗传算法相比局部搜索算法运行时间稍长情况下获得的解更优。

改进遗传算法搜索动态订单下车辆路径最优问题

滚动周期策略是当前学者利用优化算法解决动态车辆路径规划(dynamic vehicle routing planning,DVRP)问题的主要研究策略。预优化算法是基于遗传算法(genetic algorithm,GA)进行改进。GA易早熟和易陷入局部最优的特点,使解的质量往往不能达到最好。针对此问题,在GA算法上提出了贪婪重构策略进行改进。贪婪重构遗传算法(greedy reconstruction genetic algorithm,GRGA)随机剔除每条路径固定数量的客户点,利用贪婪重构策略依次将剔除点插入到各个路径,保留成本最低的解,摒弃了完全随机的策略原则,使解可以跳出局部最优。在每次迭代之后利用变邻域下降搜索算法(variable neighborhood descent,VND)进行深度搜索,完成一次迭代。最后进行三组测试,第一组是在统一平台上采用Solomon数据集测试算法效果,第二组是把预优化改进算法与对比算法得到的数据分别进行保存,利用控制变量法在动态调度周期使用一种动态调度优化算法,分别对每个预优化算法形成的初始路径进行调度,测试改进算法的有效性,第三组是采用实际案例测试预优化算法的效果。

基于势博弈的自动化码头路网流量均衡研究

为提高自动化集装箱码头(自动化码头)路网利用率和均衡性,本文基于自动化码头各子路径的拥挤程度、自动导向车(AGV)的运输速度以及各子路径的选择概率等因素,将分布式的AGV流量调度问题转化为AGV之间的博弈模型,提出一种基于势博弈理论的AGV流量调度模型;设计分布式路径选择算法帮助AGV更新策略;系统信息更新算法用于更新道路信息并选择更新策略的AGV;通过这两种算法求解AGV的均衡调度策略。结合3艘实际船舶任务,进行数值仿真实验。仿真结果表明:分布式路径选择方法相较于传统路径选择方式具有更优性,船舶任务量、AGV数量及速度是影响AGV作业效益的关键因素,当AGV的速度为6 m·s^(-1)时,船舶的总收益最大。本文可以为码头管理者确定AGV调度策略提供决策支持。

基于实时A^(*)算法的冷链物流配送路径优化

文中基于实时交通数据和拥堵信息,结合实时A^(*)启发式搜索算法,通过构建交通路网图和模拟运输任务,系统考虑了拥堵情况、车辆容量、以及需求点时间窗约束等多个因素,以最小化总运输成本为目标,合理分配派送车辆和路径,满足多个需求点的货物运输需求.结果表明:采用实时A^(*)算法可以显著降低派送成本提高了效率.

基于多智能体元强化学习的危险品运输路径优化

针对危险品运输车辆路径优化问题,本研究基于运输公司多车辆服务全部客户的现实需求,通过多智能体系统提高车辆之间的协同效率,以不同权重的旅行时间和安全风险最小为运输路径优化目标,同时兼顾时间窗、载货量等约束,构建多智能体强化学习模型,并采用元强化学习方法,建立更具泛化能力的元模型。将不同权重下的危险品运输问题抽象为带时间窗的多车辆多行程运输路径优化子任务,利用深度网络模型的不同嵌入层刻画子任务的高维特征。通过有效结合元学习Reptile算法思想与滚动基线方法训练元模型,前者增强了优化方法对不同子任务的适应性,后者则通过贪婪地选择具有最大概率的动作提高了优化方法在各子任务求解计算中的灵活性。实验结果表明:本文采用的多智能体元强化学习方法相对于迁移强化学习方法,在非支配点数量和超体积两个指标上,分别提升了12%和22%,说明其更接近帕累托最优解;而在不同解码方法中,集束采样方法更具优势。

基于深度强化学习带时间窗的绿色车辆路径问题研究

如何在客户规定的时间内合理安排车辆运输路线,一直是物流领域亟待解决的问题。基于此,文章提出使用基于软更新策略的决斗双重深度Q网络(Dueling Double Deep Q-network,D3QN),设计动作空间、状态空间与奖励函数,对带时间窗的绿色车辆路径问题进行建模与求解。选择了小、中、大规模的总计18个算例,将三种算法的实验结果在平均奖励、平均调度车辆数、平均里程和运算时间四个维度进行比较。实验结果表明:在大多数算例中,与Double DQN和Dueling DQN相比,D3QN能在可接受的增加时间范围内,获得更高的奖励函数,调度更少的车辆数,运输更短的里程,实现绿色调度的目标。

基于改进麻雀搜索算法的物流配送路径优化研究

在当前竞争激烈的市场环境中,优化物流配送路径成为企业控制供应链成本、提高服务效率和客户满意度的关键。针对供应链环节中物流配送成本高和时间长等痛点,文中构建了一个物流配送路径优化模型,旨在最大程度地减少配送时间和成本。以麻雀搜索算法(Sparrow Search Algorithm,SSA)为基础框架,引入Cubic混沌映射来初始化种群,旨在增进种群初始位置的多样性,并促进算法跳出局部最优解。在迭代过程中,模型通过重心反向学习机制对麻雀个体进行适时变异,从而提升了算法的全局搜索能力并有效防止了早熟收敛的问题。随后,引入粒子群技术以提高算法的寻优精度和稳定性。最后,经过一系列实验验证,该算法在优化搜索方面有较好的优越性。

突发公共卫生事件下应急医疗物资配送路径优化模型研究

重新构建了一个泛化更强的应急医疗物资配送路径优化模型,使之能快速应用于突发公共卫生事件下应急医疗物资配送的路径规划问题。新模型的边际贡献包括两方面:①在假定多配送中心联合配送情况下,同时考虑了应急医疗物资配送最重要的3个目标,即配送路径最短、总成本最小、紧迫需求未满足度最小;②更新了应急医疗物资配送路径的模型参数,主要体现在使用了相对成熟的应急医疗物资需求紧迫度评价指标体系,利用新陈代谢GM(1,1)模型预测感染人数,采用层次分析法和熵值法确定权重,应用灰色关联度-TOPSIS方法计算应急医疗物资需求紧迫度。以西安市新冠肺炎疫情发生后的应急医疗物资调度为例对新模型进行验证,利用NSGA-Ⅱ算法对该模型进行求解,确定了西安市应急医疗物资配送的8条车辆最佳路径。

考虑优先级和需求可拆分的灾后应急血液多车舱调度

为保障非常规突发事件发生后安全救援顺利进行,提高应急血液调度效率,针对受灾点的灾情严重程度不同以及多类型血液制品的生理特性与应急保障特性,考虑受灾点优先级,构建多血库、多受灾点的二级路网,并采用多车舱的运输方式进行多类型血液制品调度。建立以应急血液调度的时效性和受灾点公平性为目标的多车舱应急血液调度模型,运用改进的自适应大邻域搜索算法进行求解,设计不同规模算例进行数据仿真实验,证明算法的有效性。最后,基于汶川地震构建实际案例,通过对比分析和敏感性分析验证所提出模型和算法的有效性,并提炼出相关管理启示。

带服务时间窗的绿色多式联运路径和速度多目标优化

在货物运输中,除考虑传统的成本目标外,最小化其对环境的影响具有重要的意义。本文研究了一类新的带服务时间窗的绿色公海多式联运多目标优化问题,旨在多式联运网络中决策货物运输路径和速度以满足货物运输需求,目的是同时最小化货物运输总成本和碳排放总量,并建立该问题的多目标混合整数非线性规划模型。为有效求解该问题,将上述非线性模型转化为线性模型,并提出了一种基于ε-约束法和模糊逻辑相结合的算法。最后以我国典型的绿色多式联运问题为例对模型和算法的有效性进行验证。计算结果表明,所提出的模型和算法能够有效求解所提出的带服务时间窗的绿色多式联运多目标优化问题,为决策者在进行绿色多式联运的路径和速度决策时提供参考。

新疆至宁夏煤炭铁路运输径路及扩能方案研究

研究目的:近年来,新疆至宁夏煤炭运输需求日趋旺盛,但现有铁路运输通道存在运输能力不足、运输质量较低等问题。在此背景下,本文从现有铁路网格局出发,指出可供利用的铁路运输通道,并通过对现状存在问题的梳理,结合相关铁路网规划提出各运输径路的扩能措施,在定量分析的基础上,综合运用德尔菲法、价值工程原理对两个运输通道的实施效果进行对比,分析各运输通道的优缺点及价值系数,为新疆至宁夏煤炭运输通道的选择推荐方案。研究结论:(1)在现有铁路网整体格局下,新疆至宁夏煤炭运输有南北两个运输通道可供选择;(2)随着区域路网的完善以及必要的扩能改造措施,南北运输通道均可满足运输需求;(3)南通道运输方案虽在运输质量、工程投资等方面占优,但北通道运输方案扩能效果明显,通道能力保障程度高,价值系数更高,本文最终确定北通道为推荐方案;(4)本研究成果可为新疆至宁夏煤炭铁路运输径路的选择及相关铁路扩能措施提供参考和借鉴。

失效情景下考虑拥堵及偏好的多式联运路径选择

为保障集装箱运输的经济性,有效规避新冠疫情所造成的风险和损失,助力交通运输业绿色低碳发展,提出失效情景下以多式联运经营人利润最大和运输碳排放总量最小为目标的多目标0-1规划模型。模型不仅考虑节点及路径失效的不确定性,还考虑失效后的拥堵及托运人偏好等影响路径选择的因素。采用蒙特卡洛方法(Monte Carlo method,MCM)结合带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)的混合算法(MCM-NSGA-Ⅱ)对模型进行求解,并以武汉到柏林的集装箱运输为例验证模型及算法的有效性。研究结果表明:托运人偏好、失效及失效后的拥堵会对运输方案的利润、碳排放量、时间产生影响,从而改变帕累托最优运输方案。研究可为制定并优化多式联运方案提供决策支持。

转向限制网络下考虑订单平均配送时间的取送货路径优化

研究考虑城市通行限制的即时配送策略对减少订单平均配送时间,提高配送时间一致性及客户满意度具有重要意义。通过设置可转向节点构建转向限制性配送网络,以平均配送时间最小化为目标,在具有转向限制的配送网络下,建立考虑订单动态性的多车辆实时取送货路径优化模型,并基于滚动时域设计IGNORE和W&R(wait&return)两种延迟配送策略。在算例分析中,调整可转向节点个数及距离模拟密集型、稀疏型两种道路网络。通过数值仿真及遗传算法求解,验证了模型的稳定性及策略的适用性,得到了IGNORE和W&R策略分别在这两种网络及不同订单数量、配送员人数和滚动时域的时长下的平均配送时间,并分析了平均配送时间波动的原因。结果表明:IGNORE策略适用于网络小订单少的情形,且随着滚动时域时长缩短,订单平均配送时间减少;W&R策略适用于配送网络较大的情形,网络可转向节点数越多,订单平均配送时间减少。研究结论对即时配送平台优化配送策略和提升客户满意度有一定的参考意义。