物流系统中基于改进遗传算法的定位-路径问题研究

研究了物流系统优化中的多级随机定位-路径问题。为降低物流网络建设和运行成本,改善物流管理效果,分析了物流系统中设施定位问题及物流配送问题的特点,考虑多级设施、车辆行驶时间随机及多类型车辆等因素,建立了一个带时间窗的多级随机定位-路径问题模型。提出了一种改进遗传算法,算法采用分段式实数编码,设计了与编码相应的交叉和变异操作,并在迭代过程中添加灾变策略以避免搜索迟钝问题。最后对模型和算法进行了算例仿真,研究结果证明了模型的可行性及算法的高效性、收敛性和稳定性。

震后应急物资配送的模糊动态定位—路径问题

进行震后应急物资配送系统优化是提高其配送绩效的重要手段.从系统集成优化的角度,研究应急物资配送中心定位与配送车辆路径安排的联合决策问题.综合考虑应急物资需求的模糊性、动态性和限制期,震后受损路网的动态恢复状况,不同类型有容量限制的配送车辆,以及物资需求分割配送等特点,以各物资需求点的应急物资运达时间之和最小为目标,采用机会约束规划方法建立了一个模糊动态定位—路径问题优化模型,并设计了一种两阶段启发式算法予以求解.最后,通过算例验证了该模型和算法的可行性及有效性.

震后初期应急物资短缺情景下的定位-路径问题研究

基于公平视角研究震后初期灾区应急物资短缺情景下的定位-路径问题(location-routing problem,LRP),综合考虑灾害级别、灾区应急路网不同程度损毁、需求点易损性与车辆随机行驶时间等因素,以单个需求点的最大损失最小作为应急物资分配的公平性衡量指标、以总配送时间最短作为应急物资配送的效率性衡量指标,在此基础上构建双目标LRP模型,并基于分层序列法思想设计一种二阶段混合启发式求解算法。最后,采用汶川地震之后的帐篷配送数据验证本文方法公平性与效率性兼顾。

考虑路径风险的需求不确定应急物流定位-路径问题

针对自然灾害对路网造成的破坏性和受灾点物资需求量的不确定性,综合考虑应急物流路径风险和物资分配的时间公平性,将路径风险定量化为路径通行能力风险、路径损毁风险和路径复杂性,基于鲁棒优化理论,以最小化车辆最长配送时间和应急物流系统总成本为目标,建立了双目标多物资定位-路径优化模型,采用遗传算法对其求解,以汶川地震应急救援相关数据为例进行了数据仿真实验。实验结果的对比分析表明:在考虑路径风险下,随着控制系数的增加,系统总成本和最长配送时间目标值均呈现增大的趋势;受灾点的物资需求扰动越大,构建应急物流系统的总成本越高。算例结果也验证了鲁棒优化方法在处理不确定需求方面的有效性,为解决自然灾害后应急设施点的开设和救援物资的安全及时准确配送提供了有效的方法。

带限制期的震后应急物资配送模糊多目标开放式定位-路径问题

为提高震后应急物资配送绩效,针对应急物资配送中心选址与配送车辆路径安排的集成优化问题,综合考虑应急物资需求的模糊性、限制期和多次往返配送,有限数量不同类型的配送车辆,开放式车辆路径,有容量限制的临时物流设施选址以及震后路网部分受损等特点,以各物资需求点的应急物资运达时间之和以及系统总成本最小为目标,采用机会约束规划方法建立了一个模糊多目标开放式定位-路径问题(LRP)优化模型,并设计了一种结合启发式规则的混合遗传算法。最后,对该模型和算法进行了数值验证,并通过与NSGA-Ⅱ多目标遗传算法的比较,证明该混合遗传算法具有良好的性能,从而为解决震后应急物资配送的模糊多目标LRP提供了有效的方法。

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.

危险品物流中的多目标定位-路径问题

随着经济的增长,危险化学品需求呈日益增长的趋势,其安全储运问题已成为政府和企业关注的焦点。本文通过建立危险品物流中多配送中心、多目标定位—路径问题优化模型,并设计混合遗传算法对模型进行求解,最后通过算例验证该模型和算法的可行性和有效性。结果表明:与只考虑系统总成本的结果相比,考虑运输风险的结果能够以较小的风险和成本、较少的人力资源配备实现危险品的储运;所设计混合遗传算法具有良好的性能。

震后运速受限条件下的多目标定位:路径问题研究

针对震后道路受损条件下的多目标定位—路径问题,通过考虑道路通行速度随时间发生变化来模拟灾后路径的运速受限,以救援时间满意度之和最大、救灾资源使用量最小为目标,建立了震后应急物资配送的多目标定位—路径问题优化模型。基于遗传算法的求解思想,设计了合适的染色体代码,较好地处理了问题复杂的约束,并结合NSGA-Ⅱ算法,求出了原问题的一个较好的Pareto解集。最后,通过一个典型算例对模型和算法的有效性进行了验证。

城市突发公共事件在应急物流中的定位——路径问题研究

考虑在城市突发公共事件发生后城市部分道路毁坏造成的交通拥堵情况下,建立以应急救援时间为模糊数、以系统总的应急救援时间满意度最大为目标的定位—路径问题(LRP)模型,提出一种两阶段启发式算法,并通过Visual C#.NET 2005语言编程实现之,并以算例分析验证模型和算法的有效性。

应急物流系统中的随机定位-路径问题

为了提高突发公共事件应急物流系统的运作效率,考虑应急物资需求和救援车辆旅行时间的随机性,以及应急物资需求的紧迫性,基于机会约束规划方法建立了一个应急物流系统中带时间窗的随机定位-路径问题优化模型,设计了一种结合禁忌搜索和蒙特卡罗方法的混合遗传算法,并通过算例分析验证上述模型和算法的有效性。

两级定位—路径问题的路径重连变邻域搜索人工蜂群算法

为适应物流需求从少品种大批量到多品种少批量的转变,建立了两级定位—路径问题的数学模型,提出求解该问题的路径重连变邻域搜索人工蜂群算法,即在基本人工蜂群算法中嵌入近年来广泛应用于组合优化问题求解的两种启发式搜索策略——变邻域搜索和路径重连。采用Lingo求解小规模两级定位—路径问题;选取三组较大规模的两级定位—路径问题,分别采用基本人工蜂群算法、路径重连人工蜂群算法、变邻域搜索人工蜂群算法和路径重连变邻域搜索人工蜂群算法进行求解。结果表明,所建数学模型是正确的,所提算法不但能够取得更好的优化结果,而且具有更好的收敛性。

定位-车辆路径问题的两阶段混合启发式算法

定位-车辆路径问题(LRP)集成了设施定位分配和车辆路径决策,属于NP-hard难题.为有效求解实际大规模的具有设施容量约束和车辆容量约束的LRP问题,设计了基于禁忌搜索及双种群蚁群算法的两阶段混合启发式算法.算法第1阶段采用禁忌搜索算法确定设施定位及客户分配,算法第2阶段采用双种群蚁群算法优化车辆路径,蚁群间的通信与协调通过信息素共享来实现.通过仿真试验并与其他启发式算法进行对比,结果表明,该算法是可行和有效的.

求解两级定位—路径问题的粒子群算法

为求解配送网络中的两级定位—路径问题,提出一种在粒子更新过程中融入路径重连启发式搜索策略的粒子群算法。其中,根据两级定位—路径问题中解的属性,提出以中转站、路径、边为对象的三个路径重连搜索模块;同时基于搜索模块的不同组合,提出四种路径重连策略。应用不同规模算例测试结果表明,该粒子群算法能有效求解两级定位—路径问题,且路径重连策略一的求解效率较高,策略二求解的稳定性较好,策略三求解时各方面均无突出表现,策略四求解时解的质量较高。

两级定位-路径问题的变邻域人工蜂群算法

建立了两级定位-路径问题的数学模型,提出了一种求解该问题的人工蜂群算法。针对该算法容易出现早熟现象,将近年来国外出现的一种新颖的轨迹式启发式算法——变邻域搜索融入其中,由此提出三种变邻域搜索策略。基于不同变邻域搜索策略的人工蜂群算法和人工鱼群算法的求解效果进行对比仿真。实验结果表明,变邻域人工蜂群算法能有效求解两级定位-路径问题。

两级定位-路径问题模型及变邻域粒子群算法

为满足B2C电子商务中高效率、低成本配送需求,建立了两级定位-路径问题的三下标车流模型,提出了一种求解该问题的变邻域粒子群算法。该算法引入路径重连思想,将粒子群算法中粒子动态更新设计为当前解的邻域搜索、当前解与个体历史最优解之间的路径重连、当前解与种群历史最优解之间的路径重连;在此基础上,提出变邻域搜索策略,动态改变邻域结构以拓展搜索空间。实验结果表明,该算法能有效求解两级定位-路径问题。

求解两级定位-路径问题的人工鱼群算法

提出城市货物配送系统中的两级定位-路径问题,建立该问题的两下标车流模型,引入一种高效启发式搜索策略-路径重连,设计求解该问题的人工鱼群算法。采用不同规模大小的两级定位-路径问题算例进行求解,将求解结果与人工蜂群算法进行比较。比较结果表明,该算法能有效求解两级定位-路径问题,在平均解及最差解的质量方面比人工蜂群算法更优。

基于路径重连的人工蜂群算法求解两级定位-路径问题

建立两级定位-路径问题的集分割模型,在人工蜂群算法基础上,引入路径重连思想,提出四种路径重连搜索策略,从而设计求解两级定位-路径问题的基于路径重连的人工蜂群算法。实验结果表明,该算法能有效求解两级定位-路径问题,其中的四种路径重连搜索策略在最好解、最差解的质量方面,在解的稳定性及求解效率方面各有优劣。

低碳定位——车辆路径问题

为降低物流配送过程中车辆的碳排放量,从低碳环保角度出发,建立以车辆碳排放量为函数目标的低碳定位—车辆路径问题数学模型,并采用量子进化算法结合局部搜索算法对模型进行求解。通过对比不同算法求解的结果,证明量子进化算法能有效的求解定位—路径问题模型。继而用量子进化算法求解低碳定位—车辆路径模型,在不同条件下计算车辆排放量、路径值与运行成本,探讨配送中心碳排放、配送路径对车辆碳排放的影响。采用数据比较的方法分析计算结果,证明了低碳定位—车辆路径数学模型能有效降低配送过程中的碳排放量,但总体成本将会增加。

一类带时间窗口的定位-路径问题的启发式算法

考虑了一种车辆和仓库都有能力约束、顾客有hard时间窗口限制的多仓库选址和运输优化问题;给出了一个组合的两阶段启发式算法,第一阶段在考虑客户需求点时间窗口的情况下将其分配给合适的仓库备选点,第二阶段再用改进的节约算法对每个仓库及其相应的客户群优化路线;最后通过实例进行了实验计算分析。

随机需求下多危险品定位库存路径问题建模与算法研究

将需求的不确定性与库存理论结合,构建起产地-配送中心-客户三级供应链库存及配送的数学模型,并提出根据危险品影响的衰减系数计算其影响半径的方法,进而设计出基于衰减特性和人口分布的风险模型。采用多目标遗传算法(NSGA-Ⅱ)进行模型求解,设计出一套整合多种类危险品定位路径信息的编码-杂交-变异方式。在对算法的研究中,提出了通用性的,带种群结构控制的非支配排序遗传算法(NSGA-Ⅱ-PSC)及其3种类型。算例表明,改进算法可以得到更高质量的Pareto最优解集或更快的收敛速度。