考虑区域资源利用均衡的电动公交充电站选址及充电路径问题

在新基建助推区域平衡发展和低碳双重背景下,研究电动公交充电站选址及充电路径问题,以经济效益最大化和区域资源利用均衡为目标,考虑公交司机可能充电时机以及充电需求、运营时间、利用率等约束条件建立两阶段多目标决策模型,设计多重嵌套式遗传算法求解模型,并应用于算例检验模型可行性。结果表明:仅考虑经济效益目标会产生充电“拥挤”、路途过长等弊端,而本文模型能有效缩小区域间公交充电效率差异,提高全局资源利用均衡性;通过降低充电站容量可提高充电站利用率与经济效益,但区域资源利用均衡性会减弱,且充电站容量对公交充电路途所耗费时间的作用较为敏感;适当增加区域资源利用均衡目标的权重更有利于提高总体优化效果。研究结果可为公交充电站选址和路径规划提供决策支持。

移动充电桩选址-路径优化及遗传-RSI两阶段算法

在我国“双碳”政策背景下,考虑载重、电量、充电桩服务能力等约束,构建以最小化总配送距离为目标的移动充电桩选址与电动汽车路径规划模型。随后,设计一种两阶段算法求解模型,第一阶段采用遗传算法规划初始配送路径,第二阶段采用RSI(recharge stations insertion)算法实现充电桩选址及路径调整。基于CVRP基准案例进行求解,结果表明车辆访问充电桩导致的配送距离平均增长率在5%以下。与粒子群和模拟退火作为一阶段的算法对比,遗传-RSI两阶段算法与这两种算法求解结果的Gap值分别为-4.04%和-3.65%。最后对“电耗率”等模型参数进行灵敏度分析。结果表明在物流公司专用电动车配送中,若使用专用充电桩并接受8%以下配送距离增长及相应的充电服务费,可采取移动充电桩选址与路径联合优化模式。

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.

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。

选址-库存-路径问题模型及其集成优化算法

设施选址、库存控制和车辆路径安排是物流系统优化中的三个关键问题,三者之间存在相互依赖的关系,应该根据这种关系来相应地进行综合优化与管理物流活动。以典型的单一生产基地、单一产品、采用不断审查的(Q,r)库存策略的供应链二级分销网络为研究对象,建立了一个随机型选址-库存-路径问题优化模型;在将非线性混合整数规划转化为线性整数集合覆盖模型的基础上,采用列生成算法来获得一个近似最优解,再用分支定价法对初始解进行改进,以实现对整个问题"完全集成"的优化。最后,用随机生成的方式,产生了10至160个客户的计算实例,分析了运输费用和库存费用对总成本的影响,算法运算时间表明本文给出的算法能较快地求解这一复杂问题。

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.

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。

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。

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。

基于两阶段启发式算法的低碳物流选址-多车型路径问题研究

为解决低碳排放量物流背景下配送中心选址与多车型车辆路径优化组合的决策问题,构建了以考虑碳排放量的物流综合成本最小为目标的规划模型,并针对该模型的特点,设计了两阶段启发式算法进行求解。第一阶段设计改进K-means聚类方法对客户节点进行分区聚类,然后使用空间单旅程分区算法以货车满载条件为限制确定各配送中心所服务客户;第二阶段以物流综合成本最低为优化目标,建立量子遗传算法进行求解。结合算例结果表明能够在低碳排放量情况下有效降低物流综合成本。

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.

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略,以提高算法的性能。结果经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。

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。

考虑设施规模决策的两级选址-路径优化

针对目前电商行业基础设施布局和空间利用不合理的问题,提出考虑设施规模决策的两级选址-路径问题(2E-LRP)求解模型。首先,在传统2E-LRP中引入差异性设施规模约束,通过识别客户群设计不同设施规模组合,利用规模弹性变化调整总成本组成,并以最小运营成本为目标建立顾及设施规模弹性变化的2E-LRP模型;其次,提出两阶段混合迭代局部搜索启发式算法求解模型;最后,分析所提模型和优化算法,并以Prodhon等不同数据集为实例进行验证。实验结果表明,所提模型具有针对区域差异和不同数据规模的普适性,且设施规模的弹性变化范围值与总成本呈负相关;与拉格朗日松弛粒度禁忌搜索(LRGTS)等算法的最优成本相比,所提算法对所有算例的最优成本平均值降低了6.67%,可以有效节约运行成本。

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。

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。

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。

基于双边匹配的城市地铁多级配送选址-路径研究

城市化进程的推进促进了城市物流的快速发展,城市配送出现多层级的新特性,但随之出现了交通拥堵和环境污染等问题。基于地铁货运探讨城市多级配送的选址-路径问题,在物流节点与需求点的分配问题中引入双边匹配理论,构建以最小化运营成本和最大化匹配满意度为目标的多目标0-1型整数规划模型。设计以地铁站的中心性、配送距离和货运量为基础的匹配偏好指标,设计需求点与城内中转站匹配满意度的计算方法,并提出NSGA-Ⅱ与Gale-Shapley算法匹配机制相结合的混合算法对问题进行求解。以上海市部分地铁线路的数据为基础构建案例进行分析,求得Pareto最优解集合,通过熵权TOPSIS法来确定目标权重和最优解,并对城内中转站最大服务能力进行敏感性分析,结果表明,同时考虑匹配满意度和运营成本可以获得兼顾“稳定性”和“满意性”的选址-路径方案。此外,该研究对于建立大都市圈的物流配送体系、缓解城市交通压力以及增强城市物流配送能力都有重要的参考意义。