考虑装卸频率的大规模车辆路径问题研究

通过分析大规模车辆路径问题的特点和求解难点,从我国的配送实践出发,引入装卸频率的概念,从新的视角认识大规模车辆路径问题,建立了考虑装卸频率的车辆路径优化多目标规划模型,并设计了改进的混合遗传算法进行求解。实验结果表明,该算法能够大幅降低企业配送成本和配送的装卸频率,具有实际参考价值和应用前景。

单车场大规模车辆路径问题求解框架

针对传统优化技术在解决单车场大规模车辆路径问题中存在的缺陷,对该类车辆路径优化问题进行了描述和特点分析,提出了一种解决问题的二阶段的求解框架:将问题拆分为配送区域划分和单车线路优化两个步骤分别进行求解。研究成果能广泛应用于卷烟、饮料等日用品的配送领域。

带实际约束的大规模车辆路径问题建模及求解

针对现有算法不能有效求解卷烟配送过程中,问题规模大并具有诸多实际约束条件限制这类实际问题,首先分析实际约束,建立问题模型;然后从模型出发设计多阶段算法,通过地理信息的分级管理实现区域划分,在降低问题规模的同时消除交通障碍;采用改进的均值聚类法分派线路,将问题转化为求解小规模旅行商问题;最后以济南市区的卷烟配送为例,通过与典型优化算法的比较表明了所提出多阶段算法在实际应用中的优越性.

结合DBSCAN聚类算法和粒子群算法的大规模路径优化方法研究

针对现有路径优化方法不能很好地解决大规模最后一公里配送问题,提出了一种结合自适应DBSCAN聚类算法和粒子群算法的大规模车辆路径的优化方法。首先通过使用DBSCAN聚类算法将客户点进行分类,得到若干个客户点簇,然后再针对每个客户点簇建立以配送成本最小为目标函数车辆路径规划数学模型,并使用粒子群算法对模型进行求解。将问题转化为常规的车辆路径问题。最后以青岛市黄岛区的餐饮店作为配送实例,验证了模型和算法的可行性。

混合超启发式法求解大规模VRP的优化研究

车辆路径是一类NP(non-deterministic polynomial)完全问题,研究解决车辆路径问题的高质量启发式算法有着重要理论价值和现实意义。提出一种将最近邻搜索法和禁忌搜索法优势相结合的混合超启发式算法,用来解决带容量约束的车辆路径问题。先利用最近邻搜索法构建初步路线,再利用禁忌搜索法对内部线路和互跨线路进行优化。通过对基于标准数据集和6 772个烟草客户真实数据集进行应用验证,新算法在减少线路的总路程上具有显著效果,为大规模车辆路径问题的求解提供了新的求解思路。