基于哈里斯鹰算法的两级冷链配送路径优化

农产品供应链是农产品流通现代化的重要体现。随着生活水平的提高,人们对生鲜农产品的需求逐渐增加,农产品供应链冷链配送压力不断增大,农产品包装也随之造成严重的环境污染。文章基于对包装二次利用的考虑,以车辆固定成本、车辆运输成本及制冷成本最小为目标,构建考虑客户满意度的两级生鲜农产品冷链车辆路径优化数学模型,融合变邻域搜索机制的离散哈里斯鹰算法对该模型进行求解,使用迭代贪心算法和随机方法生成初始解,然后使用设计的搜索算子寻优。通过仿真实验对提出算法与其他算法和数字优化技术(CPLEX)进行对比,验证了文章提出的改进哈里斯算法可行性、高效性及稳定性,对城市限行下农产品冷链配送路径优化问题研究具有一定的意义。

基于学习型算法的农资配送优化问题研究

针对农资供应链订单配送路径优化问题,考虑新能源货车综合续航里程、车辆最大载荷能力和时间窗等约束,建立车辆路径规划问题的数学模型(DCVRPTW)综合优化车辆固定成本和运输成本,提出一种基于深度强化学习的群智能优化算法框架(DRL-SIA)。智能体就是决策者,以环境状态为输入选出动作池中最佳动作改变环境并获得环境奖励。DRL-SIA算法结合训练后的智能体与群智能算法以代替原算法进行决策选择,从而提升寻优速度与精度。实验表明,所提算法的最优解相较于其他算法在所有算例中最优,验证了该算法能有效降低农用物资供应链中的物流运输成本。

改进的哈里斯鹰算法求解农产品供应链调度

针对农产品流通体系的效率低、流通链条协同效率不高、紧急情况下食品供给慢等问题,将农产品供应链调度问题建模成混合流水车间调度问题。结合禁忌搜索算法中禁忌表机制,离散化实数编码,提出了一种改进的哈里斯鹰算法来求解农产品供应链调度问题。该方法相比较原始的哈里斯鹰算法,降低了算法陷入局部最优的可能,进一步提高了算法的求解精度。实验结果表明相比较对比算法,改进的哈里斯鹰算法在提出的农产品供应链调度问题模型上取得了更好的效果。