不确定条件下的应急物资配送选址-路径问题

研究在突发事件背景下的应急物流选址-路径问题。假定每个需求点的应急物资需求量与两点之间车辆运输时间是不确定的,利用机会约束方法建立了在一定应急限制期下,时间最小化和成本最小化的双目标随机规划模型,并设计了遗传算法对模型进行求解。通过算例分析验证了模型和算法的可行性与有效性。

集成化物流选址-路径问题优化模型的算法研究

选址-路径问题(Location-Routing Problem,LRP)是物流系统中的一个组合优化问题.一般采用"两阶段法"将其分解为选址分派和车辆路径问题来求解.这种两阶段法未能考虑到问题的内在联系,因而往往不能得到满意的解.本研究把LRP问题的解看作是一个整体,采用遗传算法求解该问题;对遗传算法的编码进行重新设计,对交叉和变异操作做了改进,因而能够更容易得到问题的最优解.最后通过算例分析,验证了本算法的可行性.

考虑碳排放的选址-路径问题研究

针对物流配送中的选址-路径问题,在车辆路径安排时加入了碳排放的考虑,建立了包含碳排放、配送成本和客户满意度的多目标优化模型,提出了一种基于禁忌搜索的超启发式算法.在超启发式算法的框架中,构建了一系列基于问题特征的底层启发式算子,设计了禁忌搜索作为高层启发式策略.以某地区物流配送实例进行仿真实验,通过超启发式算法和NSGA-II算法比较证明,所提算法可以更好地解决选址路径的多目标问题,能较快地找到更优解,达到较高的搜索效率和算法稳定性.与传统的启发式算法相比,该算法具有很好的通用性,可以很容易推广到其他选址-路径变种问题上.

共同配送选址-路径问题及大邻域搜索算法

结合城市物流共同配送体系两层级、多中心、多车型等特点,研究了两层级共同配送选址-路径问题。以总成本极小化为目标,建立该问题混合整数规划模型,设计求解模型的自适应大邻域搜索算法。算法应用多种删除操作符和插入操作符生成邻域解,根据每次迭代得到的邻域解优劣调整相应操作符的选择概率,加快收敛速度。利用选址-路径问题的标准测试集生成若干算例,分别利用自适应大邻域搜索算法和Gurobi软件进行求解,通过对比分析验证自适应大邻域搜索算法的快速有效性。

可靠性绿色物流配送选址-路径问题研究

为了使物流配送系统安全、有效地运作,并减少环境污染,研究可靠性绿色物流配送选址-路径问题,同时考虑运输油耗和CO2排放及配送中心和运输线路的中断。建立物流配送网络选址-路径优化模型,在满足车辆路径可靠性约束的条件下,最小化总成本,包括物流配送成本及运输油耗和CO2排放成本。根据问题特点,设计一种混合帝国竞争算法(HICA)求解,采用实数编码方式,并利用变异和交叉操作产生新的殖民地位置。最后,通过不同规模的仿真实验对模型的合理性及HICA算法的有效性进行验证,并对可靠性水平的影响进行了分析。实验结果表明,HICA能够对不同规模的问题进行有效求解,并且在不同的可靠性水平下保持稳定的性能,而且其算法性能优于标准ICA算法。

复杂环境下工程建设项目应急物流选址-路径问题研究

在复杂环境工程建设项目中,应急物资保障是灾后应急救援的关键。本文针对应急物流中心选址-路径规划问题,综合考虑需求不确定、拥堵时间不确定、最大救援时间要求、多车型情形等因素,采用三角模糊数刻画不确定参数,构建基于多场景的两阶段模糊非线性选址-路径模型。通过模型整合、线性化处理和去模糊化处理,得到单目标确定性模型,并采用Gurobi求解器进行求解。以西部高原山区某超大型铁路建设项目为例,通过模型对比和灵敏度分析,验证模型的有效性和适用性。实例结果表明:随着选址数量的增加,仓储成本提高5.9%,5个场景的响应时间平均缩短15.2%,最大响应时间缩短7.8%;相较于期望值模型,本文所建模型在仓储成本和应急响应时间方面更优;仓储成本与需求水平线性相关,而最大响应时间受到需求水平和拥堵时间的共同影响。本文建立的模型可以科学选取应急设施位置并制定应急救援路径,减少应急救援的响应时间和仓储成本,为复杂艰险地区工程建设项目应急物资调度提供决策支持。

多类包裹协同配送下的城市物流选址-路径问题研究

论文研究城市物流企业在多产品(包裹)协同配送模式下的大件包裹阈值设置、多功能中转中心选址以及末端需求点分配的联合优化问题,是城市物流选址-路径问题的新拓展。论文首次引入大件包裹阈值设置,综合考虑大件包裹和标准包裹在装卸/分拣等处理环节以及相关设施场地配置差异,构造多功能中转中心类型变量,以物流系统总成本最小为目标构建整数规划模型;集成拉格朗日松弛和近似估算模型,针对多包裹协同配送特征提出TSDL混合算法求解模型,并通过与CPLEX运算结果对比,验证TSDL混合算法的有效性。基于国内典型快递企业SF重庆公司的运营数据,本文得出大件包裹阈值、多功能中转中心选址布局、末端需求点分配的优化结果;并分析配送模式、派送及揽收包裹量、服务时效对结果的影响。

考虑碳排放的两阶段选址-路径问题及其算法

为减少物流车辆的碳排放,基于以排放因子为主要参数的碳排放计算方法,建立以碳排放最小化为目标的两阶段选址-路线问题(2E-LRP)模型,并设计了一种可用于快速求解大规模问题的两阶段混合算法(TSHA).算法第一阶段将2E-LRP转化成不考虑车辆路径的两阶段设施选址问题,调用Cplex直接求解得到配送中心选址和客户分配方案;在此基础上,算法第二阶段中,物流园区到被选用的配送中心以及配送中心到所分配客户的车辆路径问题被进一步转化成若干个独立的VRP(vehicle routing problem)问题,再运用改进的蚁群算法进行求解;最后,对Prodhon标准算例集中全部6个最大规模的算例进行测试.研究结果表明:与TSHA具有相同算法思想的TSHA-Ⅱ算法能够在求解质量下降2.3%的情况下将计算时长大大缩短至25 s左右;TSHA算法在求解考虑碳排放的2E-LRP算例时表现非常稳定,可以作为一种求解考虑碳排放2E-LRP的有效算法.

逆向物流网络中选址-路径问题的研究

在逆向物流网络系统中,回收中心的选址定位和运输路径的设计安排是两个重要的研究问题,以往的研究都是将这两个问题单独考虑,致使系统衔接不够完善。现将二者合并分析,建立了一个混合整数规划模型———R-LRP模型,并采用启发式聚类规则与禁忌搜索算法的混合策略进行求解,最后通过算例验证了该模型和算法的有效性和实用性。

带退货和软时间窗的多仓库选址-路径问题研究

选址-路径问题(location routing problems,LRP)是集成物流网络研究中的难题,也是任何一个大型物流配送企业必须面对的管理决策问题。本文在仓库容量约束和车辆容量约束的基础上,结合送取货一体化的配送模式和客户服务时间要求,建立了带退货和软时间窗的多仓库选址-路径(MDLRP)数学模型。针对MDLRP问题求解的复杂性,引入局部搜索算法和重组策略,设计了自适应混合遗传算法,对模型进行整体求解。最后进行数值实验,表明本文提出的模型和改进算法具有实用性和优越性,可为选址和车辆运输决策提供重要参考依据。

考虑碳排放的“到柜”模式冷链物流选址-路径问题

文章以“到柜”模式生鲜电商食行生鲜的冷库-自提柜设施为研究对象,构建了基于物流综合成本和碳排放量最低的冷链物流选址-路径问题双目标模型,设计带有局部搜索的混合遗传算法进行模型求解。针对食行生鲜的实际经营数据进行实证分析,验证了该算法具有较高的运算效率和良好的收敛性,对比求解的考虑与不考虑碳排放的优化结果,发现将碳排放作为影响经济成本的关键因素来考虑时,既能降低物流综合成本,又能缩短冷藏车行驶距离。

基于多目标演化算法的油田危险品物流系统选址-路径问题

危险品事故往往会产生灾难性的后果,研究油田危险品物流系统的管理方法和模型具有十分重要的意义。从选址-路径问题(LRP)集成化的角度研究鄂南油田危险品物流系统。提出了适合于鄂南油田的危险品运输的双层配送网络,并以道路危险度等级为约束,构建了一个总成本最小、风险最低、可靠性最强的油田危险品物资运输的多目标LRP模型;进而,通过多目标演化算法(MOEA)得到了Pareto最优解集合,并采用随机多属性可接受度分析方法(SMAA)对Pareto最优解集进行再次筛选,求得最优选址方案和最优配送路线;最后,以进化率、非劣解分布离散度和解空间分布多样性等指标衡量了MOEA的性能,结果验证了算法参数设置的合理性和非劣解集的有效性。本文提出的LRP模型和MOEA-SMAA求解方法对于进一步补充和完善危险品物流系统的选址-路径问题研究具有一定的理论意义,对油田、煤矿等行业的物流系统优化具有重要的现实意义。

基于共享机制的自适应超启发式算法求解区域化低碳选址-路径问题

为了有效减少物流网络中的碳排放量,对低碳选址-路径问题的优化车辆路径和选址方案进行研究。在区域化选址路径问题中,客户和仓库位于以不同速度限制为特征的嵌套区域,所构建的模型为最小化碳排放的物流成本。针对该问题,提出一种基于共享机制的自适应超启发式求解算法,通过共享底层算子的近期性能信息,自适应地选择优质合适的底层算子,并提出一种自适应解的接收机制来提高算法的收敛速度与精度。通过CPLEX求解简单算例验证了所提模型的正确性,通过仿真实验验证了所提算法的有效性和鲁棒性。分析了仓库的分布与成本、多车型车队和客户分布对碳排放和物流成本的影响,并为企业提供了统筹规划配送决策的管理指导与建议。

基于路径灵活性的两阶段开放式低碳选址-路径问题

为缓解城市交通拥堵日益严重与物流配送量逐年上升的矛盾,利用城市配送客户多、范围广、路径可替代性强的特点,基于传统两阶段开放式选址-路径问题(2E-OLRP)模型,在总成本中考虑燃油消耗和CO 2排放,在路线规划中考虑路径选择的灵活性,提出一种基于路径灵活性的两阶段开放式低碳选址-路径问题模型(2E-OLCLRP-WF),并利用CPLEX进行求解。在相同案例情形下,利用Dijkstra算法和CPLEX求解考虑燃油消耗和CO 2排放成本的2E-OLRP模型(即2E-OLCLRP模型),并将两种模型的结果进行对比分析。结果表明:与2E-OLCLRP模型相比,2E-OLCLRP-WF模型能节约总成本0.20%,其中,节约运输成本5.86%,减少CO 2排放5.98%。因此,为节约总成本并减少CO 2排放,物流企业在城市网络配送中应适当考虑路径灵活性。以上研究结果可为城市物流配送规划决策提供参考。

考虑路径可靠性的垃圾回收选址-路径问题研究

在路径中断情况下,为了降低垃圾回收成本和提高收集路径的安全性,本文主要对基于路径可靠性的垃圾回收选址-路径问题进行研究。建立了带有车辆路径可靠性约束的选址-路径问题优化模型,在路径可靠性水平满足要求的条件下,最小化回收物流总成本。根据问题模型的特点设计粒子群优化(particle swarm optimization,PSO)算法求解,为了验证模型的合理性和算法的有效性,采用Matlab软件编程,对不同的数值算例进行仿真测试,并且分析路径可靠性水平对成本的影响。实验结果表明,该模型能够对问题进行合理描述,粒子群优化算法能够对不同规模的问题进行有效求解,并且随着可靠性水平的增大,总成本增加,开设成本无明显变化,车辆运营成本增加,运输和处理成本增加。该研究对提高垃圾回收系统的可靠性具有重要意义。

改进蘑菇算法求解开放式同时送取货选址-路径问题

研究了开放式同时送取货的选址-路径问题,车辆在服务完路线客户点之后不返回起始仓库,直接返回第三方物流公司。同时,车辆服务的每个客户点都有不可拆分的送货需求和取货需求,两种需求由一辆车在客户点同时服务。在此条件下,建立最小成本选址-路径模型,并针对该模型设计了一种改进蘑菇算法进行求解。首先,运用三段式生成策略生成初始解;然后,利用模拟退火算法的接受准则考虑是否接受子代解替代父代解;最后,由两种算子操作生成邻域解,产生新种群。与混合免疫算法、模拟退火算法、蚁群算法的比较结果验证了改进蘑菇算法的有效性。

模糊需求的多周期可靠性绿色选址-路径问题

选址-路径问题作为供应链管理中的重要问题已经得到大量关注。针对模糊需求下的可靠性绿色选址-路径问题,建立多周期的模糊机会约束优化模型,在满足运输线路可靠性、设施能力和车辆能力模糊机会约束条件下最小化物流及燃油消耗成本。为了对模型进行求解,设计一种混合遗传算法(HGA)。为了验证所提出算法的性能和模型的合理性,进行了不同规模的仿真实验,结果表明了算法的有效性和模型的合理性。最后通过数值实验分析了置信水平和可靠性水平对最终解的影响。

灾后带有时间窗的多目标选址-路径问题

灾后救援物资的分布在灾后的救援工作中尤为重要。提出一个带有半时间窗的多目标非线性选址-路径模型,其中受灾点可以被访问多次即需求可分的,目标是最小化运输总成本,最大化受灾点需求物资的满足率和路径的通过能力,路径的通过能力用车辆速度来表示。最后采用遗传算法解决随机产生的若干算例,结果显示该算法解决本文问题稳定有效。

需求不确定下的两阶段应急物流选址-路径研究

针对灾后应急救援在需求不确定和资源受限方面的问题,以多级应急物流网络为背景,构建了一个需求不确定下的两阶段应急选址-路径规划模型。该模型以总成本最小和救援车辆运输总距离最短为目标,采用三角模糊数刻画受灾点的不确定需求,并采用基于可信性的模糊机会约束规划方法,以消除约束条件中的不确定参数。模型第一阶段调用Gurobi求解器,求解得到应急配送中心选址结果和对受灾点的分配方案;第二阶段将选址及分配结果作为输入进行路径规划,并提出一种改进的自适应遗传算法(IAGA)对算例进行求解。然后采用自适应遗传算法(AGA)与之对比,并进行灵敏度分析。结果表明:IAGA在目标值、收敛速度和运行时间等方面均优于AGA,证明了IAGA具有一定的可行性和有效性,且可以为决策者提供较优的应急选址-路径规划方案,从而提升灾后救援的效率。

电量消耗不确定下充电站选址-路径问题

随着社会各界对绿色可持续发展的高度重视,环境友好型电车逐渐在物流配送中占据主要地位.然而,相比于传统燃油车,电车配送里程更短,因此在进行电车路径规划过程中,充电站是一个重要的因素.而实际中,外界因素引起的电量消耗不确定会影响充电站的选址.对此,针对电量消耗不确定下充电站选址-路径问题进行研究,导出鲁棒优化模型.为了求解大规模算例,提出基于自适应大邻域算法框架搭建的改进启发式算法,该算法采用新算子,并结合局部搜索提高搜索效率.数值实验表明,所提出的模型具有较好的稳健性,所设计的算子具有较优的搜索能力,这对于实际生活中的充电站选址-路径问题具有较强的现实意义.