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。

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。

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。

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。

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。

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。

多车型电动汽车车辆路径问题的分支定价算法研究

随着环境意识的日益提升和电动汽车的逐渐普及,考虑到物流企业中不同类型的电动汽车的电池最大容量、电池充电率、电量单位消耗率、最大载重量、固定成本和可变成本不同,本文研究含时间窗的多车型电动汽车车辆路径问题,建立了一个混合整数规划模型,并利用分支定价算法求其最优解.为了加快算法的求解速度,本文提出生成下界值的方法以对车辆类型进行预处理操作,并制定了生成整数解上界的策略以压缩解空间.然后,通过用多组算例验证了模型和算法结果的准确性,同时也证明了本文提出的加速过程能有效地提高算法的求解速率.最后,通过不同规模的算例分析了车辆可变成本的变化对结果的影响.

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。

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。

考虑差异化服务时间的多车型电动汽车路径优化与充电策略研究

在政府政策大力支持以及社会环境意识不断增长的背景下,电动汽车在物流配送行业快速普及。电动汽车参与的物流配送服务需要物流专员、电动汽车和顾客三方协作完成。因此,在传统车辆配送路径优化的基础上,车辆的多样性、充电策略、人车的匹配以及服务时间差异化等因素都会影响物流运营成本。本文提出了考虑差异化服务成本的多车型电动汽车路径优化与充电策略问题并建立了该问题的整数规划数学模型。其次,提出了混合启发式算法MCWGATS,并通过多组算例验证了算法的有效性。最后,采用多组算例分析了多车型和差异化服务时间对运营成本的影响。实验结果表明,该模型有助于物流企业提高人员、物流车辆、服务时间等资源的利用效率,降低运营成本。