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。

多约束选址—路径问题的改进混合遗传算法研究

选址—路径问题(LRP)同时解决设施选址和车辆路径问题,使物流系统总成本达到最小,在集成化物流配送网络规划中具有重要意义。针对带仓库容量约束和路径容量约束的选址—路径(CLRP)问题,提出了一种结合模拟退火算法的混合遗传算法进行整体求解。改进混合遗传算法分别对初始种群生成方式、遗传操作和重组策略进行改进,并实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的有效结合。运用一组Barreto Benchmark算例进行数值实验测试其性能,并将求解结果与国外文献中的启发式算法进行比较,验证了改进混合算法的有效性和可行性。

基于模糊时间窗的带容积约束选址路径问题

针对现实物流配送过程中顾客存在弹性预约服务时间的特征,采用时间窗模糊化处理方法,定义客户满意度函数,准确地反映客户需求与偏好。在仓库容量约束和车辆容量约束的基础上,以总成本最小和客户满意度最高为原则,建立基于模糊时间窗的有容积约束的双目标选址-路径问题模型。构造求解带模糊信息双目标模型的两阶段模拟退火算法,算法结合了扩展的节约里程算法与改进的邻域操作,同时嵌入模糊优化程序以处理问题的模糊特征。最后进行数值实验,通过算例验证了模型和改进算法的可行性和有效性,可为实际的选址与运输决策提供重要参考依据。