城市动态灾害环境下多种类多目标路径优化算法

为提高城市应对动态灾害的响应能力,针对动态灾害环境中应急车辆行驶路线的规划问题,考虑路径安全度为乘法权重,车辆行驶路径长度和通行时间为加法权重,首先,提出一种动态环境下可同时计算乘法与加法权重的多种类多目标路径优化问题(MCMPOP)的求解模型;其次,通过改进涟漪扩散算法(RSA)求解MCMPOP;然后,为验证算法的有效性,通过510组仿真试验,对比MCMPOP下非支配排序遗传算法(NSGA)-Ⅱ与改进RSA的计算时间与解的质量;最后,选取“7·20”郑州特大暴雨事件数据进行实例验证。结果表明:与NSGA-Ⅱ相比,改进的RSA可以求解出完整的Pareto最优路径集合,有效保证算法的计算效率和Pareto最优解的质量;可在应急车辆可接受的安全范围内,筛选出行驶路线长度和时间成本较小的Pareto最优路径,为应急车辆提供更多可靠的行驶路线,提高城市的应急管理能力。

基于蚁群算法的多目标农产品物流配送路径优化

针对农产品物流配送的路径优化问题,考虑将运输总成本、碳排放量、客户满意度融入其中,建立多目标农产品物流配送模型,提出一种改进蚁群算法,在基础蚁群算法的基础上,初始化信息素浓度、信息素更新策略、动态化信息素挥发因子,并引入多种局部搜索,以某物流企业为例,对所提算法和现有算法进行对比,得出几种算法各自的配送路径、运输成本、碳排放量、客户满意度。实验结果表明,对比其余现有算法,所提出的改进蚁群算法搜索收敛速度更快且求解出来的效果更好,从而证明改进后算法性能更好。

考虑区域资源利用均衡的电动公交充电站选址及充电路径问题

在新基建助推区域平衡发展和低碳双重背景下,研究电动公交充电站选址及充电路径问题,以经济效益最大化和区域资源利用均衡为目标,考虑公交司机可能充电时机以及充电需求、运营时间、利用率等约束条件建立两阶段多目标决策模型,设计多重嵌套式遗传算法求解模型,并应用于算例检验模型可行性。结果表明:仅考虑经济效益目标会产生充电“拥挤”、路途过长等弊端,而本文模型能有效缩小区域间公交充电效率差异,提高全局资源利用均衡性;通过降低充电站容量可提高充电站利用率与经济效益,但区域资源利用均衡性会减弱,且充电站容量对公交充电路途所耗费时间的作用较为敏感;适当增加区域资源利用均衡目标的权重更有利于提高总体优化效果。研究结果可为公交充电站选址和路径规划提供决策支持。

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。

混合多目标灰狼算法求解多目标VRPTW问题

针对带时间窗的多目标车辆路径规划问题,建立了最小化总成本和均衡度的多目标车辆路径优化模型,并提出了一种混合多目标灰狼算法进行求解。主要设计3点策略:(1)设计新的编码解码方式实现连续灰狼位置向量向离散客户序列的转化。(2)采用收敛性指标和分布性指标来进行决策个体的选择。(3)设计了多种删除、插入算子实施局部路径优化。为说明算法的有效性,以Solomon中的部分算例为例,将该算法与MOIGA和改进的ACO算法进行实验对比。实验结果表明,所提出的混合多目标灰狼算法能找到更好的Pareto解,并且性能优于其他进化算法。

多目标车辆路径问题的粒子群优化算法研究

针对粒子群算法(PSO)及其变种在约束多目标等复杂问题优化过程中所遇到的易陷入局部最优和收敛性问题,提出了一种基于动态学习和突变因子的粒子群算法(DSPSO)。首先,通过分析粒子群群体的学习机制,采用动态的学习策略,使粒子自适应动态调整认知成分和社会成分在迭代更新中的权重,以引导自身向最优解的方向探索,有效改善了群体的收敛速度;其次,通过引入阶梯突变因子的概念,使粒子在陷入局部最优时进行试探跳跃,阶梯突变赋予粒子突破更新步长限制的能力,使粒子在当前位置速度矢量方向上的二维空间邻域内进行试探寻优,当发现更优解时则跳出当前局部最优;最后,通过在BenchMark基准函数测试集中典型函数上的实验,证明了DSPSO的求解精度和收敛速度均优于对比算法。在多目标车辆路径问题实例优化中,解的可接受率和成功率分别为0.91和0.66,远优于对比算法中最优解的0.16和0.11,体现了所提改进算法在车辆路径问题中的优越性。

危险品运输车辆路径问题的多目标优化

为保障危险品安全运输的同时实现运输成本最小化,采用多目标优化方法确定危险品运输车辆的最佳行驶路径。通过简化运输车辆经过人口密集区域风险因素的量化过程,以车辆数最少、运输总距离及经过人口密集区域行驶距离最短为目标,建立危险品车辆运输路径问题优化模型,并针对模型设计基于概率模型的多目标进化算法。以一个有25个需求节点及6个人口密集区域的危险品运输网络为例,验证模型和算法。算例结果表明,用该算法能够获得车辆路径问题的Pareto解,为危险品运输车辆调度提供决策支持。

改进NSGA Ⅱ算法在车辆路径多目标优化问题中的应用

本文选用NSGA Ⅱ作为求解VRP多目标优化问题的算法基础,分析概括出VRP的三个主要目标函数和三个约束条件,实现了VRP多目标优化问题的数学建模。选择MATLAB作为软件工具进行代码编写,选取Benchmark Problems中C101里的数据作为实验数据进行软件仿真;并且针对NSGA Ⅱ在设计方面的不足之处,对NSGA Ⅱ的初始群体确定和交叉算子两个环节进行改进;然后通过对两种算法仿真结果的比较分析,证实了改进算法在克服早熟现象、提高算法效率以及算法稳定性方面的有效性。

B2C环境下带预约时间的车辆路径问题及多目标优化蚁群算法

根据B2C(商家对客户)电子商务环境下物流配送的特点建立了带预约时间的车辆路径问题(VRP)数学模型,设计了求解多目标优化的蚁群算法,各个目标具有相同的重要性.在蚁群的状态转移概率中引入预约时间窗宽度及车辆等待时间因素,记录优化过程中产生的Pareto最优解,用Pareto最优解集来指导蚁群的信息素更新策略.采用改造的Solomon数据进行仿真实验,用Solomon最优解与本文的结果进行比较,实验结果验证了模型的合理性及算法的有效性.

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题(vehicle routing problem,VRP)是物流配送的核心问题之一,为了提高物流配送的时效性,在传统 VRP 模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题(stochastic time-dependent vehicle routing problem,STDVRP)的多目标鲁棒优化模型.设计了一种非支配排序蚁群算法(non-dominated sorting ant colony optimisation,NSACO),求解 STDVRP多目标优化模型;通过测试算例,对比分析了 NSACO 算法与改进型非支配排序遗传算法(non-dominated sortinggenetic algorithm II,NSGA-II).研究结果表明:对于车辆数最小的 Pareto 边界解,NSACO 算法的平均车辆数比NSGA-II 算法小 3.33%;对于最坏行程时间最小的 Pareto 边界解,NSACO 算法的平均最坏行程时间比 NSGA-II 算法小 17.49%.

面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

考虑碳排放的危险品运输异构车辆路径问题研究

为满足危险品运输异构车辆路径问题(HVRP)的低碳需求,对易爆危险品运输过程中的总风险、总成本和总碳排放量进行最优化处理。首先,在模型构造阶段,改进总成本与总风险的度量方式,包括建立爆炸事故场景下考虑危险品装载量的风险量化模型,并设计一种用于惩罚成本计算的软时间窗函数,该函数可以优先减少装载量较大的车辆在客户处的等待时间;然后,在算法改良阶段从2方面改进非支配排序遗传算法(NSGA-Ⅱ),设计一种带有改良交叉算子的混合交叉方法来提升全局搜索效率,并通过包含2个阶段的变邻域搜索(VNS)算法来提高局部搜索能力;最后,通过算例验证模型和算法的有效性。研究结果表明:相较于原始NSGA-Ⅱ,改进的算法收敛曲线下降更快,使总成本、总风险和总碳排放量3个优化目标的平均值进一步减少3.36%、12.16%和6.96%;在车辆数目有限的车队中,承运人可以通过选择不同的车辆类型对各目标产生不同程度的影响。

动态车辆路径问题的多目标优化模型与算法

以快递服务相关的动态车辆路径问题为研究对象,建立多目标优化模型,设计了相应的求解流程.多目标优化模型包括最大化服务客户数、最小化客户等待时间和最小化总旅行时间3个优化目标.采用基于词典式的排序方法,开发了改进的Or-opt局部搜索启发式算法.在不同基准问题数据集上进行仿真实验,结果表明,多目标优化模型与单目标模型相比,能明显降低被拒绝的客户数和等待时间,而总旅行时间未发生明显增长.

基于高维多目标优化的多车场车辆路径问题

车辆路径问题是运筹学中著名的NP问题,在运输领域中具有重要的现实意义。多车场车辆路径问题是其中的一个重要分支,作为单目标优化问题和低维多目标优化问题被广泛研究。然而,多车场车辆路径问题本质上是一个高维多目标优化问题。因此,论文针对问题的本质,从物流企业和客户两个不同的角度考察四个优化目标,提出了基于高维多目标优化的多车场车辆路径问题,构造了相应的框架MO-MDVRP,并运用NSGA-III和I-DBEA得到了两个算法实例MD-VRP-NSGAIII和MDVRP-IDBEA。在六个Cordeau数据集上进行仿真实验,实验表明,运用MDVRP-NSGAIII和MDVRP-ID-BEA求解MO-MDVRP是可行的,MDVRP-NSGAIII的效果显著优于MDVRP-IDBEA。

考虑员工满意度的多目标外卖订单配送路径优化研究

针对外卖订单配送问题,首先对员工满意度影响因素进行量化分析,并构建了以配送总成本、客户满意度、员工满意度为目标的外卖订单配送路径优化模型;其次提出适用于外卖订单配送的两阶段初始解构造法、基于“HV贡献值”的邻域解评价策略以及新的拆分和修复算子,对自适应大邻域搜索算法进行改进;最后以饿了么外卖平台的实际数据设计仿真实验,与原始自适应大邻域搜索算法求解结果进行对比,验证了模型在提升员工满意度上的实用性和改进算法对外卖订单配送的有效性。

带硬时间窗模糊车辆路径问题的多目标优化

针对带硬时间窗车辆路径问题的多重模糊性,基于模糊可信性理论建立多目标模糊期望值模型,提出求解该问题的自适应混合多目标粒子群优化算法。该算法根据相位空间的思想给出一种实数编码方式,设计双存档机制,分别存储演化过程中产生的非支配解和有益不可行解,并引入自适应局部搜索、变异和粒子全局向导选择策略。仿真实验结果表明,与多目标进化算法相比,该算法可以获得更优的Pareto解集。

B2C电子商务物流配送车辆路径优化问题多目标模型的研究与应用

本文结合B2C电子商务物流配送特点和研究现状的基础上,构建了VRP问题的多目标数学模型,加入多车型的因素,并设计改进的节约启发式算法,应用于郑州宝贝在线孕婴用品公司经五路店电子商务网站,以展示本模型的实用性和有效性.

基于改进NSGAⅡ的时变路网污染路径问题多目标优化

为降低交通拥堵对时变路网污染路径问题中车辆碳排放量的影响,引入拥堵规避策略,建立最低碳排放量和最短配送时间的多目标优化模型。改进带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGAⅡ)对模型进行求解,并与非支配排序遗传算法(NSGA)进行对比。实验结果表明:改进后的算法可以根据顾客需求合理安排车辆出发时间和路径,有效规避交通拥堵;在顾客规模较大的情况下,车辆碳排放量平均降低24%,且不会造成过多的时间浪费,有助于促进我国绿色物流和谐发展。

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式.为了对比说明该算法的有效性,同时设计基于NSGA-Ⅱ的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-Ⅱ算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-Ⅱ算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.

基于多目标优化的机场行李运输车辆调度问题研究

行李装卸是指将旅客的托运行李装上飞机或从飞机上卸载下来的一种机场地面保障服务,行李运输车是民航使用的在机场地面运输旅客托运行李的特种车辆。目前机场普遍采用的单车服务单航班的车辆调度方式,车辆的使用成本高、效率较低,且无法保证任务量的均衡。在建立的机场行李运输车辆调度模型的基础上,首先利用最邻近算法构建由一个出港航班和一个到港航班组成的车辆行驶总路程最短的子路径集合;然后依据子路径间的时间衔接关系对子路经进行优化组合,将所有子路径任务合理分配给行李运输车,实现所需车辆数最少和车辆任务量均衡的目标;最后,应用机场实际算例进行仿真试验,通过对试验结果的分析,验证了所建模型及求解算法的合理性和有效性。