近似动态规划求解随机需求分批配送车辆路径问题

本文针对现实生活中固体废弃物收集等需求随机的分批配送车辆路径问题,建立双层马尔科夫决策模型,使用基于动态分区的全局修正策略和基于部分重优化算法的近似动态规划进行求解。通过算例测试和分析表明模型和算法的有效性。得到以下结论:1)SDVRPSD的最优解中车辆数略高于最小期望车辆数的1.2倍,接近使用进化算法得到的最优解中的车辆数,这两者平均约相差0.6辆。2)与静态分区相比,动态分区以花费较多时间为代价,能显著提升服务范围、降低服务费用,并增加分批配送点数量。3)算法最优解与使用固定路径算法得到的初始解相比,期望服务需求量平均提高约2.6%,期望行驶费用平均降低约1.9%;分批配送点数平均多2.5个。

应急物流的分批配送模型及亚启发式算法求解

提出分批配送的应急物流模型,将救援物资配送归结为三个目标:供需差异最小化,配送时间最短化,各灾点失衡度最低化;通过加权求和兼顾救援的紧迫性、动态性和公平性,将各灾点总需求分为三个周期由多车分批予以满足。(a)改进遗传算法:设计染色体编码规则,将单个周期内的路径选择-配送方案映射为基因序列;(b)设计蚁群-遗传混合算法,由蚁群搜索生成初始种群,再做遗传寻优。数值仿真结果显示,单纯遗传、蚁群及混合算法均可有效求解模型,但混合算法效果更优,收敛更快。

应急物流的分批配送规划及蚁群优化求解

针对应急物流的特点,建立分批配送车辆路径规划(SDVRP)模型,实现三大目标:(1)未满足需求最少化;(2)总配送时间最短化;(3)各灾点失衡度最低化。以加权求和的方式转化为单一优化目标,分批配送也节约了救援路径数/车辆数。借鉴并改进最大-最小蚁群算法,设定信息素增量的上下限,避免了结果陷入局部最优。给出数值算例,验证了模型和算法的有效性。

行驶时间随机的分批配送车辆路径问题模型与算法

为研究分批配送和等待时间对行驶时间随机的车辆路径问题(VRP)的影响,针对行驶时间随机的分批配送车辆路径问题,在软时间窗下考虑等待时间,建立带修正的随机规划模型;同时设计改进的粒子群优化(PSO)算法进行求解:使用需求点可多次出现的整数编码,设计改进的相对位置索引算法进行解码以解决粒子中出现分批需求点问题;将自适应选择用于速度更新以解决各向量长度不同的问题;将路径重连算法用于位置更新过程以解决粒子在离散空间和连续空间转换时信息丢失的问题,适应允许分批配送的特点。通过对调整的Solomon算例测试,考虑等待时间将造成总费用平均增加约3%,且更倾向于分批配送。分批配送能有效降低总费用(2%)和减少使用的车辆数(0.6);在部分算例,特别是R2类算例中,分批配送能有效降低等待时间,平均降低0.78%。

分批配送的有时间窗车辆路径问题的遗传算法

给出了分批配送的有时间窗车辆路径问题(BVRPTM)的数学模型。通过引入改进的路径可行化方法和MRC交叉算子,构造了一种适于求解BVRPTM的遗传算法。实验结果表明,该算法能有效地解决BVRPTM,并取得了较好的优化结果。

需求点位置随机的分批配送VRP优化

针对城市配送中需求点随机出现的现象,提出需求点位置随机的分批配送车辆路径问题,并将问题视为分区路径问题进行求解。建立两阶段多目标随机规划模型,将分区紧度和不同区域工作均衡性作为目标函数的一部分。设计改进的局部迭代搜索算法将多个目标函数转换为单目标函数进行求解,并在调整的Solomon算例测试集及调整的Gehring和Homberger算例测试集上进行测试,由于分批配送的引入,32个测试算例中50%以上的算例得到更优的解。同时,使用具有实际意义的系数在算例集上进行求解,并与文中的构造算法进行对比,平均比构造算法提高9. 75%和14%的最优解质量。算例结果表明设计的基于分批配送的局部迭代搜索算法能有效解决需求点位置随机的问题,分批配送能有效提升解的质量、提高配送效率。

粒子群算法求解需求随机的分批配送VRP

对需求随机的分批配送车辆路径问题进行研究,建立带修正的随机规划模型。设计与局部搜索算法相结合的粒子群算法进行求解,算法使用整数编码和基于Bellman方程的允许分割需求的解码方法。并针对允许分批配送时导致的粒子速度、粒子自身最优位置、局部最优位置及全局最优位置等向量非零元素个数不同的问题,设计可行的统一向量长度的方法。算法在调整的Solomon算例测试集和调整的Christiansen和Lysgaard算例测试集上进行测算,测试有效参数、速度长度及速度更新方程。同时与现有结果进行对比,虽然计算效率较低,但在测试的26个算例中,有14个算例的最优解得到更新,剩余的算例最优解与现有最优解相差小于1%。

两代理具有可拒绝的单机分批配送排序问题

本文研究具有可拒绝的两代理分批配送排序问题,两个代理竞争一台机器的使用,每个代理有自己的工件集合.工件生产完后需要分批配送到代理处,每一批需要花费一定的时间和费用.我们的目标是在保证一个代理的目标函数不超过给定值的前提下,极小化另一个代理的目标函数.对于排序理论中主要的目标函数,构建了单机情况下的具体模型,分析了问题的复杂性,对具体的问题给出了它们的最优算法.

考虑外包选择的分批处理与配送联合调度模型研究

对生产(服务)与配送环节实施一体化调度,是当今企业基于供应链视角促进整体运营降本增效的重要手段之一。为提升多转包商在可供外包选择条件下作业处理与配送的一体化决策水平,关注基于单机批处理环境,考虑延误惩罚的服务商作业外包、内部处理与分批配送联合调度问题。文章建立了一个在满足服务商内部批处理硬时间窗约束、车辆载荷量和批处理设备容量均有上限的条件下,以内部批处理成本、外包成本、配送成本及延误惩罚金之和最小化为目标的混合整数规划模型,并在优化软件CPLEX中实现了该模型,最后,利用已实现的程序对来自某医疗灭菌服务商的实例进行优化求解,以期为相关服务商考虑外包选择的作业分批处理-配送联合调度工作提供有效的数学模型。

需求点随机的分批配送VRP模型与算法研究

针对城市配送中需求点不确定的现象,在分批配送车辆路径问题中引入随机需求点进行研究.建立带修正的随机规划模型,采用先验优化策略,根据分批配送的特点,在自适应大邻域搜索算法中引入改进的分割插入算子进行求解.在调整的Solomon算例上进行的测试表明,允许分批配送在大部分算例中的费用低于不允许分批配送的情形.通过分析计算过程中各个算子权重变化,确定性最差删除算子和随机删除算子在求解此类问题时表现较好;贪婪插入算子、后悔插入算子表现较好;而分割插入算子虽然权重较低,但能对解产生质的影响.

行驶时间和服务时间随机的集配货一体的分批配送车辆路径优化

将铁路物流中心集配货路径问题抽象为行驶时间和服务时间随机的集送货一体的分批配送车辆路径问题进行优化.根据问题特点建立带修正的随机规划模型,对迭代局部搜索算法进行改进,设计允许分批配送的初始解构造算法、局部搜索算法和扰动机制.算例测试证实:分批配送在中等规模和大规模算例中能发挥较好的作用,大部分中等规模和大规模算例都比不允许分批配送时所得到的解更优,部分中等规模和大规模算例车辆数有所减少;配送点数随着算例规模的扩大而增加,但是配送点数占顾客点数的比例却逐步降低;随机因素随机性增加将导致目标函数增大,对分批配送点数的影响不大.

具有多个制造商和分批配送的同类机排序问题

考虑了同类机环境下多个工件加工和配送的排序问题.有多个制造商分布在不同位置,每个制造商处有一台机器可以加工工件.不同的机器对应着不同的加工速度和加工费用.工件生产完后需要运输到客户处,每一批配送需要花费一定的时间和费用.研究了排序理论中主要的3个目标函数,分析了问题的复杂性,对于这些问题给出了它们的最优算法.

加工时间离散可控的分批配送排序问题

研究了工件的加工时间是离散可控的,并且工件加工完后需要分批配送到客户的单机排序问题.一个客户在初始时刻将一批工件交给一个制造商进行加工.每个工件有多种加工模式,分配给每个工件的加工资源越多,则其加工时间越短.工件生产完后需要分批配送到客户处,每一批需要花费一定的时间和费用.研究了排序理论中主要的四个目标函数,构建了单机情况下的具体模型,分析了问题的复杂性,对具体的问题给出了它们的最优算法.

单机差异尺寸作业外包-生产-配送联合调度

为提升制造商对作业外包、生产和配送的一体化决策水平,关注可外包作业单机分批生产与配送联合调度问题。基于外包总成本预算受限、作业尺寸各异等条件,为该问题建立最小化运营总成本的0-1规划模型,设计出改进型遗传算法。以某陶瓷企业中的外包-生产-配送联合调度任务为例,对比分析该遗传算法与CPLEX软件的求解表现,发现该遗传算法所得解的质量达到或优于在限定1 h时间下CPLEX所得解的质量。利用该遗传算法通过计算机仿真对实例中外包总成本容许率、分时单位电价和配送车型进行灵敏度研究。结果显示,陶瓷企业在用电高峰期安排烧制时应确保外包总成本容许率不低于0.75;在外包总成本预算高度紧张时通过错峰安排烧制,合理选择配送车型,使运营总成本分别下降29.17%和12.15%。

集成多种工件生产与配送的排序问题

考虑了多个客户订购不同种类的工件,工件生产完后需要运输到客户的单机供应链排序问题.由于工件属于不同的种类,在加工不同种类工件前要有一个准备时间.加工完成的工件分批配送到相应的客户处,每一批配送需要花费一定的时间及费用.考虑了两个目标函数,并分别给出了它们的最优算法.

基于协同进化粒子群的多层供应链协同优化

为了从整体角度优化调度供应链网络的各个环节,研究了带软时间窗的分批配送问题及其对需求分配与生产调度的影响,考虑在满足一定客户满意度水平条件下的最小化运作成本。建立了该问题的模型,针对此模型设计了协同进化粒子群优化算法并进行求解。通过实验研究表明,软时间窗对于问题的运作成本有很大的影响,整个供应链网络的协同优化对降低运作成本起到了关键的作用。

具有两种运输方式选择的物流排序问题

本文研究了单机环境下,有两种运输方式可供选择的集成生产和运输的排序问题。有多个工件需要在一台机器上进行加工,工件生产完后需要分批运到客户处。有两种运输方式,普通运输和特快运输可供选择。制造商需要安排工件的加工顺序,选择合适的运输方式和出发时间,以极小化相应的时间目标与运输费用的加权和。研究了排序理论中主要的两个目标函数,分析了问题的复杂性,对于这些问题给出了它们的最优算法。

机器具有学习效应的供应链排序问题

研究了机器具有学习效应的供应链排序问题.有多个客户分布在不同位置,每个客户都有一定数量的工件需要在一台机器上进行加工.每个客户的工件在机器上加工时具有学习效应,即后面加工的工件实际加工时间是逐渐缩短的.工件生产完后需要运输到相应的客户处,每一批配送需要花费一定的时间和费用.这里研究了供应链排序理论中主要的四个目标函数,分析了这些问题的复杂性,对于一些情况给出了它们的最优算法.

单机带有可拒绝的供应链排序问题

考虑了单机上带有工件拒绝的供应链排序问题.有多个客户分布在不同区域,每个客户都有一定数量的工件需要在一台机器上进行加工.制造商可以拒绝加工一些工件,但要支付相应的拒绝费用.工件生产完后需要运输到相应的客户处,每一批配送需要花费一定的时间和费用.我们研究了排序理论中主要的几个目标函数,构建了单机情况下的具体模型,分析了问题的复杂性,对具体的问题给出了它们的最优算法.

交货期可以指派的供应链排序问题

考虑了由一个制造商和多个客户组成的供应链系统.每个客户有多个订单交给制造商加工,且每个客户有一个可以接受的完工订单到达时间.制造商可以与客户进行协商来选定合适的交货期.完工的订单是采用直接运输方式分批配送的,每一批配送需要花费一定的时间和费用.目标是对每个订单指派合适的交货期,并且进行生产和配送的排序,以极小化总的交货期指派费用,订单误工费用与配送费用的和.考虑了多种情况,分别给出了相应的算法.