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。

考虑碳排放的危险品运输异构车辆路径问题研究

为满足危险品运输异构车辆路径问题(HVRP)的低碳需求,对易爆危险品运输过程中的总风险、总成本和总碳排放量进行最优化处理。首先,在模型构造阶段,改进总成本与总风险的度量方式,包括建立爆炸事故场景下考虑危险品装载量的风险量化模型,并设计一种用于惩罚成本计算的软时间窗函数,该函数可以优先减少装载量较大的车辆在客户处的等待时间;然后,在算法改良阶段从2方面改进非支配排序遗传算法(NSGA-Ⅱ),设计一种带有改良交叉算子的混合交叉方法来提升全局搜索效率,并通过包含2个阶段的变邻域搜索(VNS)算法来提高局部搜索能力;最后,通过算例验证模型和算法的有效性。研究结果表明:相较于原始NSGA-Ⅱ,改进的算法收敛曲线下降更快,使总成本、总风险和总碳排放量3个优化目标的平均值进一步减少3.36%、12.16%和6.96%;在车辆数目有限的车队中,承运人可以通过选择不同的车辆类型对各目标产生不同程度的影响。

碳排放规制下生鲜农产品配送车辆路径优化问题

研究碳排放规制下生鲜农产品配送问题,综合考虑自有车队固定成本、车辆租赁成本、制冷成本和碳排放成本,以及因租赁而增加的碳排放、时间窗等因素,构建具有碳排放约束和时间窗的异构车队车辆路径问题数学模型,并根据模型特点设计一种改进的混合遗传算法,采用最近邻法获得初始种群,并设计三种交叉规则快速寻优,通过变异和再利用最近邻法产生一个新解的方式防止陷入局部最优。采用案例分析证明,与传统禁忌搜索算法对比,混合遗传算法的初始解更好,有较强的鲁棒性,最优解质量更好;租赁车辆可以大幅降低成本,使得自身碳排放大大减少,而向外界的总碳排放基本不变。

一种改进人工鱼群算法求解冷链中车辆路径问题

针对一类特殊的多车型车辆路径问题(Heterogeneous Vehicle Routing Problems,HVRP),即冷链中带时间窗与能量消耗的车辆路径问题开展研究.将配送车辆分为了两种:普通车辆与冷藏车辆,目标是在考虑客户满意度的同时将运输总成本最小化,为此建立了新的问题模型,采用了改进的人工鱼群算法对此类问题进行求解.为了使算法更适用于求解离散化的优化问题,对觅食行为和追尾行为进行了改进,改进的追尾行为在一定的概率范围内学习最优解,具备了跳出局部最优解的能力.同时,在改进的人工鱼群算法中结合变异算子和交叉算子,增强了局部搜索和全局搜索能力.最后通过大量的仿真实验证明了该改进算法的有效性.

基于聚类的LNS算法求解异构VRP问题

该文研究了异构车辆路径问题(heterogeneous fleet vehicle routing problem,HVRP),在经典HVRP模型的基础上,设计了结合均值漂移聚类算法及大邻域搜索算法的混合求解算法(mean shift-large neighborhood search,MS-LNS)。该算法通过均值漂移聚类算法对客户集进行分类,达到减少计算量、加快算法收敛速度的效果。算法使用单链设计,结合swap邻域变换及insert邻域变换产生新式邻域变换方法,使邻域变换方法可以随机处理路径间与路径内变换。新增redistribution邻域变换,在变换后对新解检测是否存在不满足车辆载重利用率的子路径,并将其删除,达到提高车辆利用率的目的。3组仿真实验使用9组算例:实验一比较了异构与同构车辆的配送效果,验证结果表明异构车辆配送方案成本较低;实验二验证了聚类算法在不同规模客户数据中的有效性;实验三使用MD-LNS算法计算了4组算例,并与4种算法的结果进行比较,验证了在得出相近最优解的前提下,该算法能够减少算法的总体运行时间。仿真实验结果验证了模型的合理性及算法的有效性。