机场地面保障多车型车辆联合调度模型研究

文中将最少使用车辆数目、最短总行驶距离,以及最少时间惩罚成本作为目标,根据实际机场运行情况面向机场地面特种设备车辆构建带有容量限制和时间窗的全种类七车型车辆联合调度约束模型并设计遗传算法求解,通过西安咸阳机场实际航班信息数据进行验证.结果表明:与先到先服务算法相比,设计算法在机场地面保障车辆调度中明显减少车辆的使用数目和行驶距离,相比先到先服务方法减少超过53%的车辆行驶距离和8辆保障车辆,最终降低12.8%的总成本并且有效减少延误.

多车型车辆路径问题的算法

总结目前求解多车型车辆路径问题的5种基于知识的算法,提出采用大旅程法和禁忌搜索法相结合的混合启发式算法,在搜索过程中通过增加惩罚因子的方法允许不可行解的存在,减少求解陷于局部优化的可能性。采用GENIUS算法处理其中的TSP问题,不仅能产生较好的解,而且通过对解的周期性的扰动,进一步减少求解陷于局部优化的可能性。

求解多车型车辆路径问题的变邻域搜索算法

多车型车辆路径问题(FSMVRP)是车辆类型不同的车辆路径问题(VRP),基于变邻域搜索,提出一种启发式算法VNS_FSM求解FSMVRP。该算法设计了实现变邻域搜索中的"抖动"和局部优化过程的邻域结构组合,同时,还提出了一种新的车型调整策略。在通用的基准测试问题的实验验证了VNS_FSM算法的有效性,并给出问题G_07-G_12的正确解。实验结果表明,VNS_FSM算法能够获得大多数测试问题的已知最好解。与已有算法相比,VNS_FSM算法性能相当或更优。

带有外包数量折扣的多车型车辆路径问题探讨

文章针对带有外包数量折扣的多车型车辆路径问题((FSMVRPQD)),以车队和客户两方的可变成本与外包成本之和的最小化为目标,建立非线性数学规划模型,设计基于最短路径编码的进化算法进行求解。通过数据统计的实验分析发现,总成本表示的适应度随着变异概率和种群规模的增大总体呈下降趋势;种群规模在增强寻优能力的同时,以运行时间为代价;其它参数对实验结果没有显著影响。以此为依据,设置算法的最佳参数配置,比较和分析实验结果确定最终配送方案。

多车场多车型车辆调度问题的改进粒子群算法

多车场多车型车辆调度问题优化是物流配送中的典型NP难解问题,针对传统的粒子群算法存在收敛速度慢,易早熟收敛等问题,提出了一种改进的粒子群优化算法。该算法对种群中的粒子采用一定的概率进行柯西变异,使算法跳出局部最优解。将算法应用于多车场多车型车辆调度问题优化,算例证明该算法求解多车场多车型车辆调度问题是可行的,并且优于标准粒子群优化算法。

分布式并行遗传算法求解多车型车辆路径问题

传统遗传算法在求解HVRP问题时寻优效率不高,在搜索过程中易陷入局部最优,发生早熟。为解决上述问题,文章在传统遗传算法的基础上,采用多个子算法并行分布、同时迭代的方式调整算法结构,并引入迁移算子实现迭代过程中各子算法间的信息共享,以提升寻优效率。

油耗最小化多车型车辆路径问题研究

研究最小化油耗的多车型车辆路径问题,将车辆使用费用分为固定费用和以油耗为主的可变费用。建立了该问题的数学模型,运用禁忌搜索算法进行模型求解。算法采用随机选择车型产生初始解,设计三种Or-opt邻域结构,利用罚函数接受导致不可行解的变换。通过案例测试验证了模型的正确性和算法的有效性。结果表明,采用最小化油耗为目标比最小化距离为目标更加经济和环保。

考虑排队因素的多车型车辆配置与路径协同优化

针对制造企业内车辆物流水平低、效率低、成本高等问题,考虑多车型、多品种货物以及车辆排队等待、车辆数量受限等因素,建立以总物流完成时间、总行驶里程、总物流成本为目标的车辆配置与路径协同优化模型。针对问题特征,提出一种混合离散麻雀搜索算法进行求解。在算法中,设计基于Tent混沌序列的反向学习初始化策略,以提高种群的多样性;针对不同麻雀种群,设计离散化策略以适应问题的离散特征;结合车型与路径特征,构造多种局部搜索策略,以提高算法的局部搜索能力;引入模拟退火Metropolis准则,并设计多目标解的保留策略,以避免算法陷入局部最优。通过对某水泥企业的实际车辆物流案例分析,验证所提策略的有效性以及所提算法的优越性。所得物流方案可以有效降低11%的物流成本,提高19.8%的物流效率,并减少29.1%的车辆行驶里程。

具有模糊时间约束的城市配送多车型车辆调度问题

针对城市物流配送中广泛存在的有时间窗多车型问题,以及由于交通路况与人力因素导致的相关时间参数模糊化现象,以梯形模糊数表征时间参数,利用梯形模糊代数、有符号距离和区间数距离公式,构造出一种具有较高精度的提前/滞后惩罚函数,继而在此基础上给出了一种以最小化配送费用和客户时间窗提前/滞后惩罚为目标的具有模糊时间约束的多车型车辆调度问题模型。在车辆调度问题求解方面,针对经典粒子群算法容易陷入局部最优的问题,给出了一种具有量子行为的改进粒子群算法来改善粒子群算法的性能。最后通过仿真试验表明,该算法不仅具有较高的搜索效率与搜索质量,而且具有较快的收敛速度,验证了其可行性与有效性。

具有模糊行程的城市物流动态费用多车型车辆调度问题研究

针对城市物流配送中广泛存在的多车型问题,以及由于交通路况等因素导致的配送行程模糊化现象,给出了一种基于梯形模糊数的,以最小化行程费用为目标的具有模糊行程的动态费用多车型车辆调度问题模型。在问题求解方面,针对基本粒子群算法容易陷入局部最优的情况,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法。仿真实验表明,该算法具有可行性和有效性。

考虑碳交易的多车型运输车辆配送路径优化

为降低成本,减少温室气体排放,提出碳交易环境下固定车辆数的多车型车辆配送路径优化问题.考虑碳交易市场机制对运输企业收益成本的影响,建立具有固定车辆数多车型车辆低碳路径混合整数规划模型.针对问题性质,设计禁忌搜索算法进行仿真实验,同时对碳交易限额及交易价格等参数进行敏感性分析.分析表明,碳交易环境下合理安排运输车辆和配送路径,企业可以从碳交易中获得经济收益降低成本并减少碳排放.实验结果表明禁忌搜索算法在该问题求解上的有效性.

考虑危险品运输风险的多车型车辆路径优化方法

针对考虑危险品运输风险的多车型车辆路径问题,引入运输风险度量方法,构建同时考虑运输风险和运输成本的双目标优化模型。为求解该模型,提出一种ε-约束法和禁忌搜索相结合的混合算法,并在算法中嵌入了车型匹配策略。最后,通过数据实验验证了模型及算法的有效性,并将混合算法与目前主流的NSGA-II算法进行了比较。结果表明,混合算法获得的解在绝大多数情况下更优。本研究能够为危险品承运企业运输方案的制定提供决策支持,对其他领域的多目标多车型物流配送问题的研究具有一定的启发意义。

多车型开放式车辆路线问题的混合启发式算法

多车型开放式车辆路线问题,是物流配送优化中不可缺少的环节。针对标准遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合启发式算法进行优化求解。采用实数序列编码,使问题变得更简洁;有针对性地构建初始解,提高了解的可行性;用基于排序的选择与最佳保留相结合策略,保证群体的多样性;引入部分算术交叉算子,加强染色体的全局搜索能力;利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,提高了算法的收敛速度和搜索效率。仿真结果表明混合启发式算法在求解质量和计算效率上好于标准遗传算法。

药品多车型配送的车辆指派与路径优化研究

针对医药产品所具有的体积小、重量轻、生命周期短等特点以及多车型配送现状,文章研究带有最后时间限制的多车型指派和配送路径集成优化问题,建立了以配送成本最低为目标函数的整数规划模型,同时使用节约里程法进行求解,并应用实际数据来验证模型和算法的有效性。

基于群体智能算法的通勤车辆路径优化问题

为解决员工通勤难的问题,面向大型企业为员工提供统一接送通勤服务,研究多目的地和多车型的车辆路径问题,并建立相应的数学模型,提出群体智能算法对其进行求解。基于现实生活中通勤服务车辆实际约束,采用混合整数规划方法,以最小化运营成本为目标构建多目的地和多车型的车辆路径问题的数学模型。提出一种基于S-N链的解表示方法以及对应的解码过程和评价准则,并采用群体智能算法中的蜘蛛猴优化算法对问题进行求解。为验证蜘蛛猴优化算法的有效性,将其与粒子群优化算法进行比较。结果表明,在相同求解时间下,蜘蛛猴优化算法求解此问题的性能更优。对17组随机算例进行测试,验证所提数学模型和蜘蛛猴优化算法能够有效解决多目的地和多车型的车辆路径问题。

货物不相容车辆路径问题的优化

考虑现实生活中每个客户定制的货物不可用同一辆车混装,或者多个客户的货物不可混装的问题,建立了基于车辆载重、行驶里程、多种车型等约束条件的货物不相容的多车型车辆路径问题的数学模型,应用基于精英选择、混沌变异及模拟退火机制的混合遗传算法求解。将该算法应用到benchmark算例上,并与分支定界算法求解的结果比较,结果表明提出的算法优于分支定界算法。

多通路网络下多车型低碳城市配送问题

针对城市汽车排放日益受到限制的问题,从分析3类典型物流配送车型装载量与油耗的关系入手,讨论了多通路网络环境下油耗最低通路的多重性特征,提出相应的命题并给出证明,建立了多通路网络下多车型低碳路径优化的混合整数规划模型。模型中定义了3组决策变量,分别对应不同车型的通路选择、车辆装载量和到达客户的时刻,并给出每组变量的具体约束,扩展了低碳车辆路径问题中的多车型车辆路径问题模型和有时间窗车辆路径问题模型;根据模型特征提出一组有效不等式,用于加快计算的收敛。通过算例验证了模型的有效性和有效不等式的加速求解效果,实验结果表明通过采用多种车型与城市多条通路的合理搭配,可以明显降低配送路径规划的整体车辆油耗。

绿色VRP的增强拉格朗日松弛启发式算法

针对绿色多车型车辆路径问题(GHFVRP),建立了以最小化车辆固定成本、行驶成本及碳排放成本之和为优化目标的混合整数规划模型(MIP),并提出一种增强拉格朗日松弛启发式算法(ELRHA)进行求解。首先,通过松弛难约束构造对偶问题,并分解为两个子问题,再采用次梯度法更新拉格朗日乘子,求解两个子问题获得原问题的下界;其次,设计一种两阶段启发式算法对下界进行修复及优化,以获得较好可行解并更新问题上界;最后进行仿真实验,实验结果表明:在相同实验环境下对17个算例进行20次测试,ELRHA平均求解间隙为4.49%,相较Gurobi提升3.28%,同时与其它算法对比进一步验证了ELRHA能求解问题高质量上界。可见,ELRHA能有效求解GHFVRP。

考虑多成本的多车型多种类生鲜农产品配送模型研究

文章针对生鲜农产品时效性强、运输要求高等特点,提出考虑实时路况的多车型多种类生鲜农产品配送模型。以费用最小化为目标提出考虑了车辆等待时间、路径长短、过路费等成本因素的多目标优化模型。为了更好地进行农产品配送调度,选用多种容量厢式货车并采用分厢模式来表示多种类农产品配送,使得模型更贴近实际并适用于大多数农产品配送情况。最后设计符合模型的实数编码遗传算法并对算例进行解答,为生鲜农产品配送提供了决策依据。

基于密度聚类构建物流配送问题的毁灭移除算法

研究多车型大规模物流配送问题,针对企业配送门店规模大且聚集的特点,在自适应大规模邻域搜索(ALNS)框架下提出一种新的邻域映射方式:基于密度聚类的毁灭移除算法。ALNS包含毁灭与重建两个阶段,通过不断对当前解进行破坏和重建得到更好解。在毁灭阶段,随机选择一条路线进行密度聚类得到簇集合,然后按簇对路线上的门店进行移除;重建阶段随机选择贪婪插入法或Regret-2插入法将移除的门店插入到合适的路线上得到新配送方案。通过国际基准测试案例验证了所提算法的有效性,与已有算法对比,基于密度聚类的毁灭移除算法的ALNS算法求解结果比案例已知最优解平均误差更低,求解质量更优;应用于实际场景中,该算法能在有限时间内求得较好的配送方案。