基于文献计量和知识图谱的电动车辆路径问题研究综述

为揭示电动车辆路径问题领域的研究与发展现状,对CNKI和Web of Science数据库中电动车辆路径问题1994-2022年间的期刊文献进行知识挖掘与分析。基于文献计量学的量化分析与知识图谱的可视化,通过分析文献外部特征和共被引情况,梳理研究热点及热点演进趋势,归纳研究主题,总结出电动车辆路径问题的知识域包括研究主题和应用场景,其中,研究主题由变体研究、充电调度、求解方法三部分构成;对电动车辆路径问题在复杂实际问题、高效求解算法方面的未来发展进行展望,这将为电动车辆路径问题研究的深入化与国际化提供一定的推动作用。

供应链系统下的成品卷烟物流调度研究规划

为降低成品卷烟物流调度成本,顺应全面贯彻新发展理念做好碳达峰碳中和工作改革对物流工作提出的更高要求,综合考虑实际运输调度中如时间窗、点位费、异构车辆配载等真实情况下的性能约束以及行驶速度、道路状况、实际载重等对配送车辆碳排放的影响,在确保服务和成本优势的前提下建立面向低碳的多起讫点物流调度模型。以物流调度总成本以及物流运输活动中碳排放量的最小值为目标构造目标函数,并将多目标函数问题转化为单目标函数问题建立了相应的物流调度规划数学模型。最后,基于某烟草企业的成品物流业务历史数据,通过食肉植物智能优化算法进行仿真实验求解,得到的车辆路径规划方案可以有效地减少企业物流成本以及物流活动中的碳排放量,推动烟草物流产业绿色化,塑造企业竞争新优势。

城市物流配送中的三维装箱算法

针对城市物流多种类物品三维装箱问题,设计了一种新的求解算法。该算法把三维空间分割成小长方体方格并用相应的数据结构来表示。它能处理多种类物品混装的情况,允许一个货物在6个方向上旋转,该算法与车辆路径算法结合就易于得到一个完整的城市智能物流配送算法。

C-W节约算法在装配企业采购物流中的应用

将通常用于配送领域路线优化的C-W算法,运用于采购物流领域.针对装配企业采购物流中所运输产品的特点,在线路规划中插入车辆载重量和容积的双重约束条件,以满足采购物流的特殊要求.用一个实例验证了修正的C-W算法对解决采购物流中车辆调度问题的适用性,得到了较好的结果.

严格时间窗下多作业配送调度模型与算法

结合按订单生产模式与适时配送方式的特点,建立了多配送中心、多客户、大订单并有严格时间窗限制等的订单作业调度与车辆调度模型.在算法设计上,对于模型中的订单作业调度问题,针对普通遗传算法种群多样性差的缺点与问题复杂性所带来的不可行性问题,设计了基于模拟退火机制的多种群遗传算法与4步调整算法;对于车辆调度问题,采用了具有建设性的2步指派与调整算法.最后将模型与算法用于商品混凝土调度与配送的算例上,结果证明了模型与算法的可行性与有效性.

多配送中心物流车辆调度的改进差分进化算法

多配送中心物流车辆调度问题是一类实用性很高的NP难解问题。针对标准差分进化算法进化过程中缺乏动态调整,进化后期由于种群多样性的降低,算法容易陷入早熟收敛的问题,提出了一种改进的差分进化算法。该算法在变异过程中动态自适应地调整缩放因子,在交叉过程中通过高斯扰动增加种群的多样性,在变异操作之后,加入新的选择机制。将该算法应用于多配送中心物流车辆调度问题,建立了数学模型,介绍了该算法的详细实现过程。仿真通过和遗传算法和标准差分进化算法比较,表明该算法具有更好的寻优效果,从而证明了该算法应用于该问题的可行性和有效性。

基于TSP模型的物流配送中心车辆路径优化

针对物流配送中心的车辆运输问题,建立了车辆分配和路径优化的数学模型,灵活运用TSP模型的求解方法,给出了物流配送中心车辆分配和路径优化的具体方案。

基于自适应免疫遗传算法的VRP问题的研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点,该问题属于NP难题,当问题规模较大,很难得到问题的最优解和满意解。应用遗传算法是被认为求解NP难题的有效手段之一,文中在求解物流配送车辆路径优化问题时,在传统遗传算法的基础上,加入自适应算子,并引入了免疫算法的思想,实验结果表明该算法具有更好的全局和局部搜索能力和收敛速度,可有效地解决物流配送车辆路径优化问题。

用节约法解带有时间窗的车辆调度问题

车辆调度问题是物流配送系统的重要问题,对于提高物流配送系统的效率和效益有重要影响。建立带有时间窗的非满载车辆优化调度的数学模型,并利用节约算法对带时间窗的非满载车辆调度问题模型进行研究,并应用此算法对带有时间窗的车辆调度问题进行仿真,得到最优解,证明此算法的优越性。

基于物流配送服务水平多指标的车辆模糊优化调度

物流配送中车辆优化调度是降低物流成本的有效手段.常见的模型是基于确定性因素(货运量等),以费用最低为目标而进行研究的.从非确定性因素(配送服务水平)出发,提出了与车辆优化调度相关的三个配送服务水平评价指标,并采用模糊度及层次分析方法进行分析,获得多指标条件下的车辆优化调度理想方案,从而能够为以客户服务为核心的货运公司、物流企业的经营决策提供参考.

军事物流中时变车速车辆调度问题研究

具有可变车速的车辆调度问题是车辆调度问题的更一般化形式,该问题中2个位置间的行进速度随着区域和时间的变化而变化。针对该问题,提出了一种简单的车速估计模型,对可变车速进行估计,根据估计的车速,采用3种启发式方法求解该问题。计算结果表明,提出的车速估计模型性能良好;在3种启发式方法中,节约法具有最好的性能。

多配送中心车辆调度问题的DNA计算模型

提出了采用聚类分析最短距离分配法将多配送中心车辆调度问题动态地分解为多个单配送中心车辆调度问题进行求解的策略,并设计了求解单配送中心车辆调度问题的DNA计算模型,实现了使用常规的生物分离方法进行最优路径的选择.

物流配送车辆调度问题智能算法研究进展

物流配送车辆调度问题是一类具有重大实用价值的组合优化问题。文章首先简介了物流配送车辆调度问题及其常见数学模型,然后着重论述了混合智能算法在物流配送车辆调度问题的研究进展,最后总结了研究中存在的问题以及下一步的研究方向。

基于前摄性调度的车辆路径问题

为解决传统反应性调度方法存在的动态客户响应能力不足和响应效率不高的问题,针对海量、分散、多样、并发的电商物流需求,在分析历史交易数据的基础上,从动态客户预测、分区聚类和车辆路径优化3个角度研究了配送车辆动态调度问题。在利用客户需求的历史表现预测动态需求的基础上,建立了单周期和多周期配送路径优化的数学模型,设计了前摄性车辆调度方案。以重庆某超市为例对模型和算法性能进行验证,结果表明,所提方法能够有效提升动态客户的响应能力和效应效率。

带二维装载约束的车辆调度问题建模及优化

带二维装载约束的车辆调度问题大量存在于现代物流活动中,该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题。针对这一问题,在综合考虑客户需求、时间窗、二维装载约束、载重量以及客户满意度的基础上,建立了带二维装载约束的多目标物流配送中的车辆调度问题模型,同时,提出了一种车辆调度优化算法。该算法采用多目标蚁群优化得到Pareto最优解,在货物装载阶段采用改进的最低水平线搜索算法的二维装载策略,提高车辆装载率;在车辆路径优化阶段采用改进的信息素更新策略和客户转移概率方法,提升蚁群搜索性能。实例测试及与其他算法比较表明,该算法能有效解决模型问题,在解空间上有更好的探寻性能。

基于遗传算法的物流中心选址和车辆调度综合问题研究

将采用循环取货方式的车辆优化调度和物流中心选址两方面相结合,考虑建立成本模型,并把遗传算法引入到该模型的求解中,运用Matlab软件编写相关程序并结合企业的实际情况进行优化,以实现在考虑最优车辆路径规划前提下的物流中心选址问题。

基于混合遗传算法的物流车辆调度优化

针对遗传算法在求解车辆调度问题时容易出现早熟现象,导致求解精度不高的问题,本文用混合算法构建了物流配送总成本最小的目标函数。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种遗传算法中对交叉和变异概率的自适应调整的方法。其次,通过局部搜索算法求得初始解,采用遗传算法初始解优化,并且在配送时刻改变以后,利用TS算法搜索最优解迅速的特点改进配送方案,最终求得配送时刻不断变化下的车辆调度方案。最后通过算例分析,得到本文提出的算法与单一局部搜索算法和单一TS算法相比,在求解精度、求解时间方面都具有更大的优越性。

物流配送车辆路径问题的鲁棒优化方法

针对物流配送中的不确定性因素,构建车辆路径间题的鲁棒性度量与优化方法,目的是降低不确定性因素对物流配送系统的影响.首先,提出车辆路径问题的鲁棒性度量指标,利用算例对各指标的效果进行分析,选择适用于度量车辆路径方案鲁棒性的指标.在此基础上,设计物流配送车辆路径规划的两阶段优化算法.算法的第一阶段不考虑车辆路径的鲁棒性,以总配送成本最小为目标函数优化配送方案;算法的第二阶段以鲁棒性度量指标最大为目标函数,以第一阶段获得的总成本与车辆数为约束条件,优化鲁棒调度方案.文章为车辆路径问题的鲁棒性度量提供了一种有效方法,同时为如何平衡供应链中的物流配送环节的服务作业成本与调度方案鲁棒性提供了思路.

基于VMI的配送决策问题

物流配送是物流活动中直接与消费者相连的环节.在物流的各项成本中,配送成本占了相当高的比例.采用科学、合理的方法来进行配送车辆调度(Vehicle Scheduling Problem,VSP),是物流配送中非常重要的一项活动.对供应商管理库存(Vendor Managed Inventory,VMI)管理思想下的VSP进行了研究,重点就VMI管理方式下库存和配送运输集成问题建立了数学模型和迭代优化算法,并实证了VMI对于供应链物流配送系统具有降低配送成本等优化作用.

具有模糊行程的城市物流动态费用多车型车辆调度问题研究

针对城市物流配送中广泛存在的多车型问题,以及由于交通路况等因素导致的配送行程模糊化现象,给出了一种基于梯形模糊数的,以最小化行程费用为目标的具有模糊行程的动态费用多车型车辆调度问题模型。在问题求解方面,针对基本粒子群算法容易陷入局部最优的情况,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法。仿真实验表明,该算法具有可行性和有效性。