改进蚁群算法优化周期性车辆路径问题

周期性车辆路径问题(PVRP)是标准车辆路径问题(VRP)的扩展,PVRP将配送期由单一配送期延伸到T(T>1)期,因此,PVRP需要优化每个配送期的顾客组合和配送路径。由于PVRP是一个内嵌VRP的问题,其比标准VRP问题更加复杂,难于求解。本文采用蚁群算法对PVRP进行求解,并提出采用两种改进措施——多维信息素的运用和基于扫描法的局部优化方法来提高算法的性能。最后,通过9个经典PVRP算例对该算法进行了数据实验,结果表明本文提出的改进蚁群算法求解PVRP问题是可行有效的,同时也表明两种改进措施可以显著提高算法的性能。

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.

改进蚁群算法求解绿色周期性车辆路径问题

针对带时间窗的绿色周期性车辆路径问题(GPVRPTW),同时以最小化运输时间和总能耗为优化目标,提出一种改进蚁群算法(IACO)进行求解。首先,IACO采用三维概率矩阵记录不同配送日期的车辆路径子问题的优质解信息,并设计基于信息熵的信息素更新机制进行合理地学习和积累,从而增强算法全局搜索的引导性;其次,引入基于5种邻域操作的变邻域搜索以提高算法的局部搜索能力;最后,在不同规模问题上进行仿真实验与算法对比,结果验证了IACO的有效性。

周期性车辆路径问题在物流中的应用:案例研究

描述了周期性车辆路径问题,详细介绍了物流公司H为一些供应商向某大型连锁超市配送中心D供货提供的运输服务案例。通过扫描算法构建初始解,应用2优化、1交换、交叉算法3个邻域搜索算法优化初始解。

不确定需求下故障共享单车回收周期性车辆路径问题研究

为了及时有效地回收城市道路网络中的故障共享单车,对分散于路网边上的故障单车进行聚类形成收集点,考虑聚类收集点上回收需求呈现的不确定性特征,建立以行驶总距离最小为目标的回收周期性车辆路径选择模型.采用基约束鲁棒优化方法,利用有界区间对不确定的回收量进行描述,引入扰动系数和控制系数调节模型的鲁棒性和适应性.针对模型设计近似算法求解,证明近似算法的时间复杂性,分析算法近似比的上下界,用实例验证算法的近似比,结果表明算法性能较好.最后,通过分析回收量发生波动时,即扰动系数和控制系数对目标函数和算法近似比的影响,进一步验证了算法和模型的有效性.

需求不确定的故障共享单车回收PVRP研究

为了及时有效地回收城市道路网络中的故障共享单车,本文考虑单车停放站点上回收需求呈现的不确定特征,建立以行驶总距离最小为目标的回收周期性车辆路径选择模型。采用基约束鲁棒优化方法,利用有界区间对不确定的回收量进行描述,并引入扰动系数和控制系数调节模型的鲁棒性和适应性。针对模型设计近似算法进行求解,分析算法近似比的上下界,通过实例分析验证了算法和模型的有效性。

基于承运人横向合作的运输企业联盟绩效

为提高资源利用率,降低运输企业运营成本,实现集约化运输,分析了运输企业横向联盟绩效问题。基于周期性车辆路径问题(PVRP),提出联盟绩效评估模型,通过联盟利润P和联盟利润占独立运营成本的百分比S来描述。在改进迭代局部算法(ILS)的基础上,通过实例分析运输企业的不同伙伴特征(订单数量、平均订单规模、最多延迟天数)对联盟绩效的影响,研究拓展了原有仅考虑相似特征企业的联盟问题,设计了不同企业特征联盟的3种试验情景:考虑主效应的回归模型、考虑主效应和交互作用的回归模型、不同伙伴具有相同特征的交互作用。研究表明:运输企业通过组建联盟、横向合作,可以获得更大的利润。利润大小取决于形成联盟的合作伙伴交付的订单数量,订单的平均规模,以及允许延期的最长天数。其中,平均订单规模是联盟利润中最具影响力的特征,最有成效的联盟是由具有平均订单规模互补的企业组成,企业的订单数量也对联盟利润产生了很大的影响。该研究评估了不同特征的企业横向联盟的绩效问题,为运输企业寻找潜在的合作伙伴提供了建议。