基于两阶段改进遗传算法的一类特殊LRP问题研究(英文)

提出了一种带有随机开关的两阶段改进遗传算法并应用于集成化物流中的定位 运输路线安排 (LRP)优化问题 .该方法采用随机开关控制遗传算法中的变异运算 ,实现了空间的有效搜索 ,并且在一定程度上 ,避免了“局部最优现象”的发生 .通过计算机仿真实验 ,证明了该算法求解LRP问题的有效性和准确性 .

一种基于路网数据的LRP并行求解算法

选址-配送问题(LRP)涉及配送中心选址与配送路径选择,是现代物流系统的核心问题,也是复杂度高的NP-hard问题。该文针对路网数据的稳定性,使用GIS网络分析算法对路网数据进行预处理,并完成静态的配送中心选址,对于动态变化的配送任务,使用并行遗传算法(pGA)解决LRP问题。实验证明该算法处理中等规模的配送任务可以将时间控制在数秒,大大提升了物流配送系统的实用性和时效性。

高速公路物流网络规划LRP模型及算法研究

从高速公路网与物流网络同构相似的关系出发,将高速公路网纳入物流网络体系并构建高速公路物流网络.结合选址-路径问题(LRP)模型来探讨高速公路物流网络规划的方法,把高速公路物流网络规划分解为高速公路服务区作为物流节点的选址布局问题和高速公路作为物流通道的路径安排问题;使用遗传算法对该模型进行求解,并对遗传算法的要素进行设计和改进,提高了求解的精度和效率;最后,通过算例分析验证了模型的实用性和算法的有效性.

震后随机动态LRP多目标优化模型及算法

为了在地震灾区快速配送救灾物资,建立了一个多产品多运输方式的随机动态应急配送中心定位—运输路线安排问题的多目标优化模型,据此得出不同阶段应急配送中心的定位以及救援物资运输路线安排决策方案。根据该模型的特点,提出一种基于动态规划和权重系数变换法的改进遗传算法,并运用罚函数法处理模型中的约束条件。算例分析表明了该模型和算法的有效性,能为应急管理部门提供辅助决策支持。

航空紧急配送中的随机LRP模型及算法

针对震后紧急响应阶段路网中断和救援物资需求不确定性,建立航空物流中的随机定位—路线安排问题(LRP)模型,据此进行震后应急救援过程中救灾物资集散点和应急配送中心的定位以及救援物资空运路线安排的联合决策。根据该模型的特点,提出了一种改进的遗传算法,采用特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。算例分析结果表明,该模型和算法可以有效解决震后应急物流系统中的应急设施定位—分配和路线安排问题。

基于时间窗约束的生鲜电商LRP问题研究

首先分析生鲜电商物流配送系统存在的问题,其次以系统总成本最低为目标,从多配送中心选址、时间窗约束以及路径优化三方面进行了LRP模型的构建,最后用包含16个物流节点的21cake北京配送系统规划为例,对构建的模型仿真分析。研究结果表明,构建的LRP模型能够在客户时间满意度要求下合理降低生鲜电商的配送成本。

基于时变网络下危险品危害减灾系统LRP研究

在时变网络下危险品危害减灾的LRP(Location-routing problem)研究对减轻社会和经济灾害损失具有一定的理论和实际意义。本文先建立了LRP模型,经对模型中的多目标进行处理,把多目标问题变成单目标问题,然后利用改进的蚁群算法对模型进行求解,避免在求解过程中过早进入局部收敛。最后,通过算例验证模型和算法的有效性。

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·

考虑灾后分区的应急物资LRP问题研究

针对灾后初期应急管理规划阶段中应急物资的储备中心选址及物资运输集成问题,本文首先考虑对受灾地区进行受灾等级分区,以人道主义下的受灾点人口覆盖最大、应急救援总成本最小以及受灾点应急物资未满足的总需求量最小为三个主要目标,构建一种多目标应急物资储备中心选址-路径问题(LRP)优化模型。然后,基于Fibonacci迭代思想引入全局搜索能力较强的差分进化算法,设计了一种改进的差分进化生物地理学优化算法(IDEBBO)。最后,通过对模型的数值实验并对比BBO算法结果,表明了新模型及其算法的可行性和有效性,可为灾后应急管理决策提供参考和选择。

“双碳”背景下基于双层规划模型的物流系统LRP研究

在全球气候变暖的趋势下,节能减排、降低二氧化碳排放的目标已经成为人们的共识。考虑“双碳”目标的物流系统整体优化,即物流配送中心选址与配送路径优化的组合优化问题(LRP)慢慢成为现阶段社会研究的热点。在过往的研究中,物流配送中心选址与配送路径优化大多被当作两个独立问题进行处理,互相联系较少,缺乏双向约束,相比系统整体优化有一定的局限性。针对上述问题,综合前人研究,建立双层规划模型。针对传统ACO算法在解决LRP时过早成熟收敛陷入局部最优的缺点,运用免疫优化算法与混合粒子群算法进行求解。最终通过实验验证双层规划模型的有效性与合理性,优化了LRP的求解结果。

基于可解释性深度学习的太阳辐射强度预测

准确预测太阳辐射强度(SI)对电力调度和光伏选址至关重要。随着高性能计算机和大容量存储设备的发展,基于数据驱动的深度学习模型在SI预测领域获得广泛关注,然而,深度学习模型的“黑箱”特性在物理解释性上的缺失,限制了其在特定场合的应用可信度。为了在保持预测精度和模型结构不变、不增加计算复杂度的前提下,提升模型的可解释性,构建了一个基于长短时记忆(LSTM)神经网络的模型。其性能比传统神经网络提高了8.07%,并展示出更优的离群点处理能力。通过采用分层相关传播(LRP)算法,从时间和空间2个维度对影响模型输出的因素进行了评分,增强了模型的可解释性。研究结果表明:该模型在确保性能的前提下,具备良好的可解释性,其中历史辐射强度、时间相关特征(如时日周月)、太阳高度角信息(如日出和日落时刻)、云层覆盖度、辐射时长、温度和露点温度等因素是影响太阳辐射强度预测的主要因素。

集成三级物流系统的网络规划问题研究

选址—路径问题是物流系统中的一个组合优化问题,启发式方法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顺序求解,但这两个阶段间的信息无法有效传递,因而往往不能得到集成问题的优化解。设计了具有能力约束的三级物流网络选址—路径问题模型,采用遗传算法整体求解该问题,避免了顺序求解带来的问题;设计了采用整数编码的三级染色体编码结构,采用禁忌搜索算法对交叉和变异操作作了改进,提高了算法的搜索效率,能够更适合集成问题的求解;最后通过算例分析,验证了本算法求解小规模选址路径问题的有效性。

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.

定位-运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位-运输路线安排问题(LRP)的解决方法.LRP问题包括设施定位和运输路线优化两方面决策,属于NP-hard难题.由于问题的复杂性,提出基于假设前提的LRP模型及其两阶段启发式求解算法.该方法分两步实现:首先,采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群;其次,运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线.提出利用两阶段启发式算法求解LRP问题,此方法实现容易、运算简单,一定程度上避免了遗传算法中的"局部最优现象".仿真实验证明了该算法求解单目标LRP的有效性和准确性.

震后过渡阶段应急物流系统的定位-运输路线安排问题研究

针对震后过渡阶段中,回收救援物资与保护灾区环境的问题,在满足灾区民众基本生活需求的前提下,提出了一个正逆向结合的应急物流设施定位-运输路线安排问题(LRP)模型。首先,结合回收物资可分批运输的特点,建立以应急系统耗费总时间最小为目标函数的数学模型;然后,利用两阶段启发式算法对模型进行求解;最后,算例分析验证了模型和算法的可行性。实验结果表明,与传统单向LRP模型相比,所提方法的目标函数值减少了51%。所提模型能够有效提高应急物流系统运行效率,并为应急管理部门提供辅助决策支持。

工程建设中的选址与运输综合优化研究

基于工程的实际背景,将工程建设中配送中心选址与运输路径优化(LRP,location and routing problem)问题结合起来考虑,建立了选址与运输路径规划的数学模型,并通过对模型的简化,提出了一种简单、可行的启发式求解方法,有较强的应用价值。

考虑不同收集频率的城市废弃物逆向物流研究

针对废弃物收集点的收集量是非确定量,在一般废弃物逆向物流网络建模中引入模糊收集量,同时考虑中转站容量限制、收集车辆最大载重和最长运行时间等约束,以网络整体成本最小化为目标,建立了收集点具有不同收集频率的城市废弃物逆向物流网络选址—路径(LRP)模型。利用聚类分析法与蚁群算法相结合的两阶段算法对模型求解,确定了中转站的选址和车辆运输路径及排班计划,以S市为例,选取某一区域数据作为研究对象进行算例分析,验证了算法的有效性和可行性。

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.

两级定位-路径问题的变邻域人工蜂群算法

建立了两级定位-路径问题的数学模型,提出了一种求解该问题的人工蜂群算法。针对该算法容易出现早熟现象,将近年来国外出现的一种新颖的轨迹式启发式算法——变邻域搜索融入其中,由此提出三种变邻域搜索策略。基于不同变邻域搜索策略的人工蜂群算法和人工鱼群算法的求解效果进行对比仿真。实验结果表明,变邻域人工蜂群算法能有效求解两级定位-路径问题。

定位—路线问题的遗传禁忌混合优化算法

研究了带软时间窗的定位—路线问题的遗传禁忌混合优化算法,该算法同时兼顾了定位—路线问题中的定位—配给和车辆路线安排两个子问题。给出的遗传算法与禁忌搜索算法的混合策略、遗传编码和相应的遗传操作方式,有效地提高了算法的求解效率和求解质量。最后,通过实验证明了算法的可行性和有效性。