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。

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%。

集配协同下多产品越库配送车辆路径问题研究

文中基于实际越库配送中零售商的多样化需求和集配过程的连续型,针对集配协同下的多产品车辆路径问题,构建以车辆固定成本、运输成本、时间窗惩罚成本和库存持有成本最小化为目标的带越库配送的车辆路径优化模型.根据问题的阶段性特征,提出一种改进的遗传算法对问题进行求解,并以车辆等待时间最小为准则设计解码方案.通过算例的对比分析,验证了改进的遗传算法有更强的寻优能力.结果表明:建立的模型能够有效降低总成本,提高运输效率.

基于GA-SA算法的冷链配送开放式车辆路径问题分析

为改善冷链运输服务质量,提高配送效率,提升客户满意度,从货损、碳排放、配送时间要求等角度分析冷链配送路径优化问题,以配送总成本作为目标函数,构建包含时间窗的生鲜产品冷链配送车辆路径优化模型。以西安市某冷链物流公司为例,设计基于遗传算法(GA)和模拟退火算法(SA)的混合优化算法进行模型求解,保障全局搜索能力的同时保障了新解的质量。改进优化算法与基本遗传算法对比结果表明,改进的GA-SA算法收敛速度较快且结果更优,表明了模型和算法的合理性与有效性。

智慧工地物料配送动态时间窗车辆路径优化

智慧工地物料配送是建筑业提升建造效率的重要环节。为有效解决智慧工地物料配送路径优化问题,依托运筹学理论将其转化为带时间窗的车辆路径规划问题。以总配送路径最短为目标函数,建立动态时间窗车辆路径(VRPDTW)数学模型,构建全局最优理论模型。运用改进人工势场算法分析障碍物和中间节点,再代入基础蚁群算法进行施工现场全局路径规划,对VRPDTW数学模型进行优化。并通过仿真实验对模型进行实证检验。结果表明:改进算法和VRPDTW模型可实现全局优化,能够有效解决智慧工地场景下物料连续配送问题,相较于基础算法,改进算法使路径规划的准确度提高,成本降低,效率提升,具有理论意义和行业应用价值。

考虑冷链-常温货品混合配送的路径优化问题

针对冷链-常温货物混合配送问题,建立了以总配送成本最小为目标的车辆路径优化模型,模型综合考虑了区域客户拥挤度,多车型,多服务时间窗的现实情况.提出了带有两种邻居解评价机制的禁忌搜索算法对问题进行求解,机制1综合解的各个指标为其设置了一个目标值向量,机制2则在目标值向量上增加了一个惩罚目标值.实验结果表明,禁忌搜索+机制2的优化效果最好,冷链混合配送模式能有效降低配送总成本.提出的模型和算法对于电商企业构建更低成本更高质量的新型冷链混合配送网络有一定指导作用.

外卖配送路径优化问题研究现状与趋势

外卖配送路径优化问题一直是外卖配送研究领域的难点和热点。由于配送成本在总成本中占有较大的占比,所以至今以来国内外学者不断提出外卖配送路径优化相关的目标及算法的改进以提高配送效率。为了进一步梳理国内外研究现状,文章针对外卖配送路径优化问题的时间窗、取送要求、随机性、开放型等特点特性,分别针对不同类型的外卖配送路径优化问题,从优化目标和优化算法两个方面进行了较为全面的综述。最后,对外卖配送路径优化领域一些新的研究方向进行了展望。

异构车队多中心交付的低碳车辆路径问题与算法

针对前置仓配送模式面临的“一地多仓、末端交叉、高成本、高排放”难题,提出异构车队多中心横向协同配送模型。通过引入考虑速度、时间、距离、载重和发动机等因素的异构车队综合碳排放函数,将碳排放成本、司机成本和派车成本通过线性加权方式转换为目标函数;设计含特殊头部结构和染色体编码机制的改进遗传算法,引入交叉算子和动态权重调整机制以实现解空间的高效搜索。研究结果表明:相比传统前置仓横向转移补货调度,异构车队多中心横向协同补货调度在总成本方面减少39.1%,CO_(2)排放量减少12.5%,车辆使用数节约27.2%;随着协同客户占总客户的比例增加,总成本进一步减少;相较碳排放成本、派车成本,司机成本在总成本中占较大比例,需引起物流企业重视。

基于改进遗传算法的末端共同配送车辆路径优化

为解决共同配送路径优化问题,提出一个具有可操作性的共同配送策略,基于此构建了以考虑车辆使用成本、车辆行驶成本和碳排放成本最小化为目标的共同配送车辆路径模型,用K-means聚类方法对客户节点进行分区聚类,确定各末端配送网点所服务的客户,并在此基础上利用基于节约里程算法的遗传算法对该模型进行求解.通过利用公共数据集实验验证设计的CW-GA算法的优越性,发现相较于传统GA,本文算法具有良好的求解性能.利用本文算法仿真分析共同配送前后相关成本的变化以及不同配送模式下的燃料消耗、行驶距离变化,结果表明共同配送能够有效降低物流总成本.

考虑可配送时间和柔性时间期限的电动车路径问题

随着低碳绿色、节能环保的经济发展理念越来越受到重视,电动车逐渐成为物流配送的主要运输工具,且物流配送服务的灵活性也越来越受到重视。在传统的车辆路径问题中,通常假设客户需要在指定的时间窗口内接收货物,如果未能按时送达,则会被视为违约,造成客户满意度下降。然而,在实际应用中,大部分客户接受在截止日期后一定时间内延迟接收货物,但这种灵活性通常伴随着额外的成本。针对货物具有可配送时间和柔性时间期限的情况,研究了考虑可配送时间和柔性时间期限的电动车车辆路径问题。构建了以车辆数量、行驶成本和违反时间期限的惩罚成本最小化为目标的混合整数规划模型,设计了改进的自适应大邻域搜索算法对其求解,基于问题特性设计了高效的破坏算子和修复算子以扩大解的搜索空间、运用自适应策略选择高效的搜索算子以及引入模拟退火新解接受策略避免陷入局部最优。通过对随机生成的算例进行计算验证了模型和算法的有效性,并分析了是否考虑柔性时间期限约束及不同的违反时间期限惩罚系数对总成本的影响,本研究为物流配送企业电动车车辆路径规划提供参考依据。

随机多路径车辆路径问题及其算法

为了更加契合现实的城市配送运作环境,本文对经典的车辆路径问题进行了新的拓展研究,考虑了任意两个物流节点之间存在多条路径且每条路径的通行成本不确定的情况,建立了随机多路径车辆路径问题(stochastic multi-path vehicle routing problem,SMP-VRP)模型,并针对所研究的问题设计了具有较高求解效率的两阶段算法。算法的第一阶段,采用具有约束的K-means算法对客户进行分组,将SMP-VRP问题转化为随机多路径旅行商问题(stochastic multi-path traveling salesman problem,SMP-TSP);算法的第二阶段,将SMP-TSP问题先转化成等价的情景规划问题,再近似成确定型规划问题;通过对SMP-TSP问题的求解,进而得到SMP-VRP问题的解。算例测试表明,相较于采用贪心策略的配送组织方法,本文所提出的两阶段算法可以降低7%左右的平均配送成本,并且表现出良好的稳定性,为物流配送车辆路径优化问题提供了新的研究思路,且具有较强的应用价值。

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。

基于遗传算法求解带时间窗的外卖配送车辆路径问题研究

随着人民生活节奏的加快,对外卖的需求量越来越大,外卖的配送问题逐渐被重视起来。传统外卖的配送方式配送效率低,容易导致成本过高,研究基于遗传算法(Genetic Algorithm,GA)求解带时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)具有重大意义,可以尽可能减少配送成本和增加客户满意度,这对于外卖配送企业具有极大的好处。基于GA求解VRPTW的主要步骤是,首先建立数学模型,然后构造初始解,最后通过遗传算法来对种群进行有限次数的迭代,生成最优解。

考虑个体客户满意度的多车程生鲜品配送路径优化

随着生鲜电商的兴起,生鲜品的道路运输量越来越大,其配送任务越来越复杂,提升客户满意度是生鲜品配送的重要目标组成。文章以一个具有配送自主权的生鲜品供应商为研究对象,以整个计划周期内生鲜品配送的车辆运输成本最小及客户满意度最大为双目标,且客户满意度从顾客的个体视角考虑,构建双目标多车程带时间窗及考虑订单打包时间的车辆路径优化模型。基于ε-约束方法,设计了两阶段变邻域搜索(VNS)和模拟退火(SA)相结合的元启发式算法,基于车辆构造初始路线,并针对性地提出了3点改进措施,包括通过数学性质推导下界、减少求解过程中不必要的搜索空间以及规避求解过程中被支配解的后优化处理。最后,以Solomon标准算例为基础构造算例对所设计的算法进行了计算实验,其求解结果表明:其设计的算法具有有效性,并通过敏感性分析得出相关管理启示。

考虑同城配送的多产品多中心两级物流网络设计及车辆路径研究

随着快递行业的快速发展,快递企业单处理中心模式已无法满足多种快递产品的处理需求。同时,同城快递与跨城快递独立配送模式导致城市物流末端配送资源利用率低。为建立高效的城市快件配送网络,本文分析现有配送系统及多产品需求特点,设计了服务多种产品的同城-跨城配送相融合的城市配送网络,构建了多中心-两级配送-环线配送网络车辆路径优化模型,并建立以系统车辆路径总成本最小和快递包裹配送总时间最少的多目标数学优化模型。结果表明该模型能够有效区分各快递产品,降低处理中心的工作压力,缩短快递包裹平均配送时间,从而提高末端配送效率和资源利用率。针对该模型,采用非支配排序遗传算法(NSGA-Ⅱ)对其进行求解,结合算例验证了模型及算法的实用性与有效性。

基于联合配送的开放式动态车辆路径问题及算法研究

针对跨区域多配送中心多车型开放式动态联合配送问题,通过引入时间轴概念将动态问题转化为静态问题,建立考虑车载率的开放式车辆路径模型,提出多配送中心问题的整体算法和多车型的使用原则,强化物流资源整合和跨区域路径整体优化。利用云模型中云滴的随机性与稳定倾向性,改进遗传算法中交叉与变异概率的设置方式,采取"初始优化+实时优化"的两阶段求解策略,对开放式动态车辆路径问题进行实时再优化。最后,结合算例对模型和算法的有效性进行验证。

成品油配送多车舱车辆指派及路径优化问题研究

针对成品油配送中多车型、多车舱的车辆优化调度难题,综合考虑多车型车辆指派、多车舱车辆装载及路径安排等决策,以派车成本与油耗成本之和的总成本最小为目标,建立了多车型多车舱的车辆优化调度模型。为降低模型求解的复杂性,本文提出一种基于C-W节约算法的"需求拆分→合并装载"的车辆装载策略,并综合利用Relocate和Exchange算子进行并行邻域搜索改进,获得优化的成品油配送方案。最后,通过算例验证了本文提出的模型与算法用于求解大规模成品油配送问题的有效性。并通过数据实验揭示了以下规律:1)多车舱车辆相对于单车舱车辆在运营成本上具有优越性;2)大型车辆适合远距离配送,小型车辆适合近距离配送;3)多车型车辆混合配送相对于单车型车辆配送在运营成本上具有优越性。这些规律可为成品油配送公司的车辆配置提供决策参考。

带时间窗物流配送车辆路径问题的蝙蝠算法

带时间窗车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)是一个重要而实际的研究课题,该问题在有能力约束模型的基础上增加了时间约束,要求配送系统总费用最低。蝙蝠算法(Bat Algorithm,BA)是一种新型的智能优化算法,目前尚未被应用到求解VRPTW问题中。根据VRPTW问题的数学模型及其具体特征,重新设计了BA的操作算子,给出了求解VRPTW问题的改进蝙蝠算法,并通过仿真实例和与其他算法进行比较的方式,验证了蝙蝠算法在VRPTW问题中的求解性能,拓展了蝙蝠算法的应用领域。

多配送中心车辆路径安排问题混合蚁群算法

经典蚁群算法不能直接用于求解多配送中心车辆路径安排问题(Multiple Depot Vehicle Routing Problem,MDVRP),为了解决这一问题,设计了蚂蚁转移策略和可行解构造方法。蚂蚁转移时,先为蚂蚁指定暂时配送中心,在转移过程中当遇到配送中心时,再确定永久配送中心。蚁群构造路径结束后,在满足车辆数和容量限制的条件下,随机选择优化后的若干只蚂蚁遍历路径,基于"节约最小"、"增加最小"和"就近插入"的原则,删除重复需求点并插入缺少的需求点,使之成为可行解。为了提高算法的性能,引入了K邻域规则限制蚂蚁的转移目标,使用2-Opt方法优化蚁群遍历路径和可行解,并设计了信息素更新方法。对标准测试数据集的测试表明,算法有效求解了MDVRP。

多配送中心车辆路径问题的狼群算法

针对多配送中心的动态启用与车辆的合理分配,建立了以总路径长度最小为目标函数的多配送中心车辆路径问题的数学模型,根据多配送中心车辆路径问题的具体特征,模拟狼群捕食行为设计了求解该问题的狼群算法。最后,应用狼群算法求解测试算例,并将其计算结果与几种常见智能优化算法的计算结果进行比较,验证了狼群算法求解多配送中心车辆路径问题的可行性与有效性。