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.

带软时间窗的混流装配线排产与线边库存协同优化

针对混流装配线的排产计划制定和线边库存管理协同度较低所易造成排产计划可行性差,线边库存管理的缺料与过多库存问题,提出了一种带软时间窗的混流排产与线边库存协同优化方案。方案综合考虑线边库存容量、需求时间不确定性等因素,结合软时间窗对多品种小批量混流生产实际具有较高适应性的特点,以最小化最大完工时间和最小化线边库存数量为目标,构建了考虑物料准时齐套的混流装配线和线边库存协同优化模型。并设计了改进的NSGA-Ⅱ对模型求解。通过对精英个体选择与交叉变异的改进,提高了算法的搜索能力与计算效率。并以L公司挖掘机平台装配线为例进行分析求解,表明了带软时间窗的物料准时齐套协同优化策略对于提高混流装配线生产效率、降低线边库存数量等具有较为显著的优化效果,也证明了所提方案的可行性与有效性。

DCS算法求解带软时间窗的送取货一体化VRP

为求解带软时间窗的送取货一体化车辆路径问题,提出一种离散布谷鸟(DCS)搜索算法。该算法在基本布谷鸟搜索算法基础之上,对莱维飞行获取新鸟巢和以一定概率抛弃鸟巢的迭代公式进行重新定义;同时设计客户序列和车辆序列双倍体鸟巢,并对客户序列采用交换、逆序、插入操作和对每辆车的访问路线采用2-Opt操作。通过5个算例的仿真实验和相关文献比较,结果表明所提DCS算法行之有效。

考虑软时间窗限制和模糊旅途时间的生产配送集成调度优化

针对考虑软时间窗限制和模糊旅途时间的生产配送集成调度问题,本文构建了以生产-库存-配送总成本和提前延期加权惩罚时间为双优化目标的混合整数非线性规划模型.定义了一种模糊加权叠加操作,进行模糊加权惩罚时间的计算.基于优化问题结构设计了三阶段解码规则,其中涉及巡回环的划分,通过计算巡回环的最佳配送出发时间获得批次制造顺序,以及采用后向调整策略进行批次和巡回环的协调.提出了一种自适应变邻域搜索改进的非支配排序遗传算法(NSGA-II-AVNS)求解该问题.其中根据问题特征设计了5种具有不同搜索性能的邻域结构,通过自适应选择机制提高优秀邻域结构的执行次数.并且为避免迭代后期邻域结构选择固化,提出了邻域结构分值重置操作.实验结果表明NSGA-II与AVNS的融合,较好的平衡了算法的探索和开发能力,是求解该问题的一种极具竞争力的方法.

两阶段BSO-SA算法求解带单边软时间窗的多车型VRP问题

在标准头脑风暴算法(BSO)的基础上,提出了一种新的两阶段头脑风暴退火算法(BSO-SA).根据多车型问题,设计了基于贪婪算法的编解码形式.使用K-medoids聚类代替BSO算法中的Kmeans聚类,以提高算法聚类性能.同时,采用了四种局部搜索算子,提高新解的产生效率.两阶段求解思路,解决了BSO算法容易陷入局部最优值和SA算法收敛较慢的问题.使用三个不同规模的算例用于验证,并与模拟退火、遗传算法、头脑风暴算法进行对比,结果验证了该算法的有效性.

基于鲁棒软时间窗和箱种代用的铁路集装箱空箱调运优化

传统的空箱调运问题多是研究箱种之间的彼此独立性,而忽略实际运输中箱种代用的情况,针对这一普遍现象,同时考虑需求站对集装箱空箱到达有时间窗约束,以及运输走行时间不确定性会对时间窗产生影响,建立了鲁棒软时间窗和箱种代用的集装箱空箱调运模型。首先,依据走行时间不确定性特点,建立鲁棒软时间窗模型;其次,通过等价变换和对偶变换,将鲁棒软时间窗模型转换为线性规划模型,简化了模型;最后,将集装箱调运模型转换为一般的整数线性规划模型,使模型更易于求解。研究结果表明,将箱种代用引入模型,有效地配置了空箱调运,提高了运输效率,降低了运输成本;对不确定走行时间p的个数进行灵敏度分析,结果表明箱种代用和不代用情况下p都存在一个较小的上界。

基于改进蚁群算法求解带软时间窗的车辆路径问题

针对带软时间窗的车辆路径问题(VRPSTW),建立以配送成本为优化目标的混合整数规划模型,提出一种改进蚁群算法(IACO)求解该问题。在传统蚁群算法(ACO)的基础上,改进蚂蚁状态转移概率公式,通过自适应调整信息素挥发系数改进信息素更新策略,设计插入算子和交换算子嵌入变邻域局部搜索,并设置开始和退出局部搜索的条件,更新当前局部最优解。选取Solomon标准测试集里3类不同规模的算例,测试算法改进效果,以客户规模为100的C类算例验证所提算法求解较大规模算例的可行性,并与传统蚁群算法以及其他文献中的算例结果进行对比。实验结果表明,改进蚁群算法的寻优能力高于其他算法,求解得到的最优配送方案能够实现更低的车辆配送成本,从而验证了改进蚁群算法的有效性。

考虑软时间窗的同时送取货随机旅行时间车辆路径问题

考虑车辆总旅行时间约束和车辆载重限制以及客户对服务时间窗的要求,研究带有软时间窗的同时送取货随机旅行时间车辆路径问题(STT‒VRPSPD),建立机会约束规划模型。将禁忌搜索算法与分散搜索算法相结合,构建混合分散禁忌搜索(HSTS)算法,并采用C‒W节约算法生成初始解。基于经典的Dethloff算例和Solomon时间窗生成方法,分别生成包括50个客户、200个客户各20组算例,算例测试结果验证了混合分散禁忌搜索算法的有效性。

考虑软时间窗的冷链配送路径优化

生鲜冷链配送存在着“损耗高、保鲜率低、冷链流通率低、成本高”等问题,因此对冷链物流配送路径进行优化有着重要意义。基于上述问题,考虑基于软时间窗的物流配送路径优化模型,以总费用最少为目标,研究了三种成本因素对物流路径的影响,并利用遗传算法对最优模型进行求解,从而得到最佳的配送路径。通过实例计算得出的最优路径总费用减少了15.36%。该方法得到的结果实现了冷链物流企业降低物流配送成本的目标,为企业物流决策提供依据。

带软时间窗约束的多车场车辆路径问题及其禁忌搜索算法研究

带软时间窗约束的多车场车辆路径问题在基础上增加了“多车场”与“时间窗”约束条件。本文建立了相应问题的数学模型,在此基础上设计了求解该模型的禁忌搜索算法,将多配车场中心车辆调度问题看作一个复杂的组合优化问题来进行研究。通过实验得出比较优的结果,证明了提出的算法是有效可行的,禁忌搜索算法搜索速度和寻优能力具有优越性。

基于客户软时间窗的社区团购配送路径优化

文中主要研究社区团购配送路径优化问题,针对社区团购车辆调度普遍存在的效率低、成本高、配送时间不确定等问题,以配送时间与总配送费用帕累托最优、顾客满意度最高为目标,构建基于客户软时间窗的社区团购配送车辆路径优化模型,将遗传算法进行改进后对模型求解。经过算例验证,发现通过遗传算法找到的路径能够有效地降低成本,使配送时间更有保障,提高顾客满意度,验证了算法的可行性和有效性。

遗传算法下带软时间窗的异构车辆路径优化

目前研究的车辆配送路径问题一般采用单类型车辆进行配送,为贴合实际,在此基础上研究了带软时间窗约束的异构车辆配送路径问题。根据异构车辆的固定成本、运距成本、惩罚成本和其特有的约束条件,建立了异构车辆配送路径最小成本模型,采用遗传算法进行规划求解。同时建立带软时间窗的单类型车辆配送路径最小成本模型作为对比实验,通过对前后实验方案进行对照,结果显示,异构车辆配送方案可以有效降低配送成本,证实了算法的有效性和选用异构车辆配送方案的科学性。

混合乌鸦算法求解带软时间窗的车辆路径问题

为求解带软时间窗的车辆路径问题,提出一种混合乌鸦搜索算法(hybrid crow search algorithm, HCSA)。设计最小惩罚成本与最小距离成本两种种群初始化规则,根据乌鸦在搜寻食物时的确定性搜索与随机性搜索两种智能搜索行为,将固定感知概率改进为可自适应调整的动态参数,引入自适应大规模邻域搜索策略,设计多种确定性与随机性邻域搜索算子。与已有文献算例结果及Solomon测试数据库进行对比,其结果表明,HCSA的优化质量优于其它文献算法,可有效求解带软时间窗的车辆路径问题。

基于车辆共享的软时间窗动态需求车辆路径问题

为解决配送机构的车辆有时不能满足客户需求的问题,同时降低物流配送成本,节约资源,基于产品服务系统的理念,引入车辆共享机制,结合时间窗、多配送中心和现代物流客户需求动态变化的特点,建立了基于车辆共享的软时间窗多配送中心动态需求车辆路径问题的两阶段数学模型,并设计了混合3-OPT量子进化算法对各阶段模型进行求解。通过算例测试及与其他算法进行比较,表明该算法能快速有效地求解此类动态需求的车辆路径问题。最后对影响算法性能的种群规模参数进行了分析。

带软时间窗的混合车队车辆路线问题的模型和算法研究

将典型的车辆路线问题扩展为综合考虑了客户具有软时间窗约束和中央仓库拥有多种类型配送车辆的情况。在构造了问题的数学模型后，着重阐述了求解本问题的ＴＳ算法设计过程。最后结合适应性记忆过程给出了ＴＳ算法的伪代码描述和一个算法。

超启发式遗传算法求解带软时间窗的车辆路径问题

针对车辆路径问题中传统软时间窗惩罚函数过于线性的问题,考虑客户容忍水平,提出一种折线型软时间窗,并构造出相应的惩罚函数。在此基础上,以运输配送总成本最小为目标,构造出一种带折线型软时间窗的车辆路径问题通用数学模型。同时,提出一种具有一定通用性的超启发式遗传算法,该算法以遗传算法作为上层搜索算法,以3种启发式算法——CW节约法、MJ插入法和Kilby插入法作为底层搜索规则,并通过预排序、局部搜索和全局优化来优化算法。最后,通过Solomon标准题库中的R101算例分析并验证了所提算法的可行性和有效性。

带软时间窗整车物流配送路径优化研究

为更好地解决整车物流配送问题,提高客户满意度,以总成本最小化为目标,构建了带软时间窗约束的整车物流车辆路径优化问题模型,进而对于该模型设计了自适应遗传算法,并用成品汽车配送案例对算法进行了验证.算例的数值结果表明,基于自适应遗传算法提出的整车物流车辆路径优化方案,可以满足分销商和客户需求,能够减少配送车辆数量、节省早到或晚到惩罚成本、提高企业的经济效益.该研究为改善整车物流配送问题提供了新的解决思路.

基于模糊软时间窗的车间物料流路径优化方法

为解决实际生产过程中工位物料需求时间不确定的问题,提出基于模糊软时间窗的复杂机械装配车间配送路径优化方法。该方法以"以工位为中心"的物料配送模式为基础,考虑复杂机械装配实际生产中生产节拍波动所引起的物料需求时间变化,利用物料到达时间的模糊隶属度函数表征工位对物料到达时间的满意度。在此基础上,以工位对物料到达时间的平均满意度为约束条件,以最小化配送成本为目标,建立了带模糊软时间窗的物料配送路径优化模型,并采用动态规划和模拟退火遗传算法相结合的方法对模型进行了求解。通过实例验证了该模型的可行性和有效性。

求解带软时间窗车辆路径问题的改进伊藤算法及其收敛性分析

针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文提出的改进伊藤算法引入了协同扩散过程的漂移系数,采用局部搜索能力强的爬山法确定波动系数,将漂移和波动同步进行,当找到可行解之后再进行一定程度的波动.为了验证算法的有效性,将改进后的伊藤算法用于求解带软时间窗的车辆路径问题.仿真结果表明,改进后的算法效率更高,收敛速度更快,算法稳定性和健壮性也更好.此外,本文还根据马尔科夫链移向吸引元的性质及其各状态之间的转换关系,探讨了构造伊藤随机微分方程的马尔科夫链近似模拟算法及其收敛性证明.

基于鲁棒软时间窗的铁路集装箱空箱调运优化研究

对带有软时间窗的铁路集装箱空箱调运问题,将走行时间分为确定和不确定2类,首先建立鲁棒软时间窗模型,避免传统鲁棒方法过于保守的缺陷,然后构造基于鲁棒软时间窗的空箱调运问题通用模型。通过等价变换和对偶变换,将鲁棒软时间窗模型转换为对应的线性规划,再将空箱调运模型转换为一般的整数线性规划,并根据模型的特点得到解的一些性质,为解决这类问题提供一般框架。通过算例对不确定走行时间的数量进行灵敏度分析,结果表明,只有非常少的不确定走行时间对最优解产生影响。