基于物联网的物流系统中多配送中心问题及其求解

配送中心的选定在物流活动中占有重要地位,基于物联网的物流配送系统中多配送中心的选定问题是个复杂的系统优化问题。本文应用单纯形法原理,以最小化运输成本为目标,建立多配送中心问题的数学模型,提出求解的思路及具体方法。

多配送中心车辆路径安排问题混合蚁群算法

经典蚁群算法不能直接用于求解多配送中心车辆路径安排问题(Multiple Depot Vehicle Routing Problem,MDVRP),为了解决这一问题,设计了蚂蚁转移策略和可行解构造方法。蚂蚁转移时,先为蚂蚁指定暂时配送中心,在转移过程中当遇到配送中心时,再确定永久配送中心。蚁群构造路径结束后,在满足车辆数和容量限制的条件下,随机选择优化后的若干只蚂蚁遍历路径,基于"节约最小"、"增加最小"和"就近插入"的原则,删除重复需求点并插入缺少的需求点,使之成为可行解。为了提高算法的性能,引入了K邻域规则限制蚂蚁的转移目标,使用2-Opt方法优化蚁群遍历路径和可行解,并设计了信息素更新方法。对标准测试数据集的测试表明,算法有效求解了MDVRP。

多配送中心物流配送车辆调度问题的分层算法模型

在对多配送中心配送车辆调度问题进行直观描述的基础上,建立了该问题的数学模型,提出了采用聚类分析最短距离分配法将多配送中心车辆调度问题动态地分解为多个单配送中心车辆调度问题进行求解的策略。基于求解单配送中心车辆调度问题的竞争决策算法,设计了多配送中心车辆调度问题的分层算法,并进行了实验计算。计算比对结果表明,用本文设计的算法求解多配送中心物流配送车辆调度问题,不仅可以取得很好的计算结果,算法的计算效率较高,计算结果也较稳定,而且在聚类属性方面具有很好的扩展性。

多配送中心车辆调度问题的模型与算法研究

在对多配送中心车辆调度问题进行直观描述的基础上,建立了该问题的数学模型。提出了采用距离最近分配法将多配送中心车辆调度问题分解为多个单配送中心车辆调度问题进行求解的策略.基于求解单配送中心车辆调度问题的禁忌搜索算法,设计了求解多配送中心车辆调度问题的算法,并进行了实验计算.计算结果表明,用本文设计的算法求解多配送中心车辆调度问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定.

多配送中心车辆调度问题的DNA计算模型

提出了采用聚类分析最短距离分配法将多配送中心车辆调度问题动态地分解为多个单配送中心车辆调度问题进行求解的策略,并设计了求解单配送中心车辆调度问题的DNA计算模型,实现了使用常规的生物分离方法进行最优路径的选择.

多物流配送中心选址及求解

经典蚁群算法不能直接用于求解多配送中心选址问题(MDLP),据此,将MDLP映射为扩展K-TSP过程并设计了改进的蚁群算法.改变了经典蚁群算法禁忌表的设置方式,算法运行时,给蚁群建立一个共享禁忌表,里面存放所有蚂蚁访问过的客户点,任何蚂蚁只能选择共享禁忌表未曾记录的客户点,从而增强蚂蚁间的信息交流,促进它们的分工与协作,使蚂蚁无遗漏无重复地遍历各配送点并找出问题的最优解.为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式.仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP.

多点配送中心选址及求解蚁群算法

将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式。仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP。

基于离散多元宇宙算法求解车辆路径问题

针对现实生活中车辆配送的实际情况以及客户对服务时间的具体要求,该文提出了一种离散多元宇宙算法来求解在模糊时间窗约束下的多配送中心车辆路径问题(MDVRPFTW)。以总成本最低、顾客满意度最大为多目标函数,针对MDVRPFTW构建出相应的数学模型。该算法在传统多元宇宙算法基础上,重新定义了在离散车辆路径问题下的更新策略。实验结果表明,该算法能更好地解决在模糊时间窗约束下的多配送中心车辆路径问题,优于其他几种对比算法,具有较强的寻优能力和应用价值。

基于绿色评价的冷链物流车辆路径优化

针对冷链物流配送的车辆路径问题,在多种冷藏车辆、多配送中心和多商品种类的情况下,考虑车辆的经济性、绿色与可持续性,以配送总成本与配送车辆评价最优为目标构建冷链物流车辆路径优化模型,建立由社会环境、经济性和质量3个维度构成的车辆评价指标体系,并构建基于α-水平截集的模糊TOPSIS模型对冷藏车辆进行评价,得到综合考虑下的车辆评价值.在车辆评价结果的基础上,建立相应的冷链物流车辆路径优化模型并设计遗传算法,求解得到分批到货下的车辆配送路径.实验部分对大连市地利生鲜商品配送的算例进行求解,并与不考虑车辆评价的优化模型及未分批到货的优化模型进行对比.实验结果验证了分批到货的配送模式能够有效降低配送成本,考虑车辆评价因素会增加配送成本,同时通过增加车辆评价权重能够有效提升配送车队的绿色与可持续性.