Beam-PSO优化算法在多行程车辆路径问题的应用

针对城市物流配送系统,研究了一类带时间窗和释放时间约束的多行程车辆路径问题。首先,对该运输调度问题进行了描述,构建了以总配送时长最小化为目标的数学模型。其次,为了快速获得问题的满意解,提出了Beam-PSO优化算法。在算法设计中,结合该问题的性质,构建了基于随机键的编解码方法,以克服标准粒子群算法无法直接适用于求解离散问题的不足。同时,设计了基于Beam search优化技术的局部搜索流程,用于强化算法的优化性能。最后,进行了仿真实验,实验结果表明了Beam-PSO优化算法的可行性和有效性。

考虑同时取送随机需求的多行程车辆路径研究

多行程配送,由于允许车辆在配送中心和路径客户点之间多次往返的完成配送任务,具有高服务效率、低遣车成本等优点。配送中,客户需求常具有动态性和不确定性,结合取送一体化的多行程配送模式和客户取送货需求的随机不确定性,建立带随机需求和同时取送货的多行程车辆路径优化模型。由于动态需求的突发性和同时取送,需对原有配送方案进行优化调整,提出"实时柔性点"的多行程路径调整策略;针对优化模型的随机特征,引入随机机会约束规划转化模型;设计了嵌套随机模拟的变邻域禁忌搜索算法的混合算法寻求最优配送路径。最后通过算例,验证了优化模型和求解算法是可行和有效的。

考虑灰需求的多行程车辆路径研究

【目的/意义】多行程配送,允许车辆在配送中心和客户点之间往返完成配送任务,具有低遣车成本、高配送效率等优点。配送中,客户需求由于暂时缺乏信息而不能肯定其取值,但知其大概范围呈现灰色不确定性,对配送路径决策产生影响。【设计/方法】针对小样本、贫信息的客户历史需求,构建灰色-马尔可夫模型预测客户灰需求,建立带灰需求的多行程车辆路径优化模型。由于灰需求的不确定性,需对原配送方案进行优化调整,提出实时调整的多行程路径优化策略。【结论/发现】针对灰色优化模型,引入机会约束方法,设计基于灰色模拟和禁忌搜索算法的模型优化求解算法。最后,通过算例验证了优化模型和求解算法是可行和有效的。

多行程车辆路径问题和配送中心定位问题的研究

为了同时解决多行程车辆路径问题和配送中心的定位问题,首先开发了一个以最小化总成本为目标的数学模型,其中总成本包括运输成本和车辆启动成本.然后设计了一个启发式算法解决这个问题,包括三个阶段:第一阶段是找到初始定位并进行路线安排,第二阶段采用模拟退火(SA)的逻辑和交换算法来获得更好的路线,最后阶段是改善由模拟退火算法中当前温度控制的位置.通过标准样例进行的实验结果表明,该算法可以更好地获得一个配送中心定位和有效的相关路线安排.最后,数值实验指出:1)选择不同类型行程的配送方式取决于每辆车的启动成本和单位距离的运输成本;2)使用大容量车辆可以更好地减少运输距离.3)增加服务时间可以有效地减少所需车辆的数量,这三个结果对于多行程车辆路径问题和配送中心的定位问题的管理决策都具有一定的实用价值.

考虑工作量平衡的餐饮垃圾多行程收运路线优化

城市餐饮垃圾的收运成本居高不下,严重阻碍了垃圾分类的推进。本文首先根据餐饮垃圾的产生及收运特点,划分不同的收运时段和频率,以均衡各个时段的收运量。其次,将城市餐饮垃圾的收运问题建模为带有时间窗的多行程车辆路径问题,并考虑驾驶员的工作量平衡约束。对于小规模问题,通过求解所建立的混合整数规划模型得到问题的最优解;对于大规模问题,针对多车多行程的问题特点,设计三维矩阵编码,提出混合自适应大邻域搜索算法。通过不同规模的算例验证了模型的正确性和算法的有效性。算例结果表明,增加不超过2%的收运成本能大幅度提高驾驶员之间的工作量平衡性。最后,采用大连市中山区的实例将本文所提算法与实际应用的优化算法进行比较发现,当使用不同的收运频率并考虑工作量平衡及城市路网的交通拥堵情况时,采用本文所提出的算法能降低14.3%的收运成本,减少12.7%的碳排放量,同时,将驾驶员之间的工作平衡性提升57.3%。

改进混合遗传算法在MTVRPTW中的建模与优化

重点讨论了城市物流背景下带时间窗和发货时间的多行程车辆路径问题。即物流车辆把货物送到位于城市郊区的仓库,在工作日内,货物不断被送达仓库后并进行最终的分配。介绍了和货物相关的发货时间的概念,提出了一种基于新的辅助分割过程的改进混合遗传算法来解决这个问题,在时间窗和发货时间的限制条件下,结合给出的一组实例,通过和相关文献中的多种路径优化算法等进行比较,仿真实验证明这种算法具有较高的效率。