集配货一体化的多站点定位路线问题

针对客户同时有集货和送货需求时的定位路线问题,建立数学模型,设计两阶段启发式算法。第一阶段为定位配给问题,采用禁忌搜索算法,避免陷入局部最优;第二阶段为集配货一体化车辆路线问题,采用模拟退火算法,具有强收敛性,可以得到全局优化解;然后将两个阶段进行很多次循环迭代最终求得集配货一体化多站点定位路线问题的优化解。通过实例计算验证该启发式算法的可行性和有效性。

基于Trans CAD的定位路线问题解决方案

本文主要根据物流设施选址与配送路线的特点并结合Trans CAD物流模块,构建适合Trans CAD软件进行网络分析的LRP数据结构,探讨基于Trans CAD的车辆路线调整技术,旨在说明新的信息技术能更高效、直观地对物流系统进行规划。

同时配集货定位—路线问题的变邻域分散搜索算法

针对同时配集货的定位—路线问题,建立了三维指数混合整数规划模型,并设计了变邻域分散搜索求解算法,即在基本分散搜索算法的基础上保留参考集更新和组合策略的全局搜索能力。针对组合后的解可能是不可行解的问题,利用插入法将其改进为可行解,再运用变邻域搜索进行局部开发以提高可行解质量。为保证算法的多样性以进一步扩大搜索空间,初始种群采用两阶段混合多随机法构造。通过采用Lingo求解简单算例验证了模型的正确性,采用设计的变邻域分散搜索算法仿真已有算例并与其他算法比较,证明了该算法的有效性。

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·

基于均衡原理的定位-运输路线安排问题模型及求解算法

提出了物流配送均衡原理,构造了基于物流配送均衡原理的定位-运输路线安排问题的双层规划模型。运用Frank-Wolfe算法求解物流配送均衡模型,采用改进的禁忌算法优化选址问题和车辆路径问题,并通过双层规划模型将选址和车辆路径问题进行有机结合。应用提出的模型和算法求解了多个算例,并选取了其中一个算例试验结果进行分析。分析表明,基于均衡原理的双层规划模型和算法能够有效的求得定位-运输问题的优化解,是解决定位-运输问题的有效方法。

基于改进粒子群算法的开放式定位—运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑,建立了该问题的数学模型;运用基于遗传算法、模拟退火算法的改进粒子群算法,对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛,验证了模型的正确性和算法的有效性。

定位—运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。

定位-运输路线安排问题的改进离散粒子群优化算法

定位-运输路线安排问题(LRP)是集成物流中的一个NP-hard难题,为求解一类特殊的LRP问题,提出改进的离散粒子群优化算法.该方法采用整体优化的思想,将LAP和VRP集成在一起.通过合适的粒子编码方式,并改进粒子的运动方程,引入相应的变异算子和趋同扰动算子等,使得算法的适用性和性能获得了改善.通过仿真实验及与另2个典型算法的比较分析,证明了该算法的有效性.

双重容量约束的定位-路线问题的启发式算法

为了有效求解集成化物流中的双重容量约束的定位-路线问题,设计了两阶段的启发式算法。算法的第一阶段解决了配送中心定位和客户群分配问题,算法的第二阶段采用禁忌搜索算法优化车辆的行车路线,并通过算例验证了算法的可行性和有效性。

基于禁忌搜索算法求解带软时间窗的定位-路线问题

建立了描述带软时间窗的定位-路线问题(LRPSTW)的混合整数规划模型,给出了求解该问题的基于禁忌搜索算法的两阶段启发式算法:第一阶段采用禁忌搜索算法确定配送中心的位置和客户群的分配,设计的swap*-opt*邻域操作算子能够有效地搜索邻域解空间;第二阶段则采用禁忌搜索算法对选中的配送中心进行路线优化,并通过设定需要重新分配的客户数量的最大阈值来提高路线优化的效率。通过实例验算,将该算法和其他算法进行了比较,证明了该算法的可行性和有效性。

震后过渡阶段应急物流系统的定位-运输路线安排问题研究

针对震后过渡阶段中,回收救援物资与保护灾区环境的问题,在满足灾区民众基本生活需求的前提下,提出了一个正逆向结合的应急物流设施定位-运输路线安排问题(LRP)模型。首先,结合回收物资可分批运输的特点,建立以应急系统耗费总时间最小为目标函数的数学模型;然后,利用两阶段启发式算法对模型进行求解;最后,算例分析验证了模型和算法的可行性。实验结果表明,与传统单向LRP模型相比,所提方法的目标函数值减少了51%。所提模型能够有效提高应急物流系统运行效率,并为应急管理部门提供辅助决策支持。

多仓库定位-运输路线安排问题的模型和算法研究

针对现实问题的复杂性,考虑到单独研究物流设施选址和车辆运输路线安排问题的局限性,根据集成物流管理思想,综合考虑两个问题,重点研究了集成物流管理系统中多仓库定位-运输路线安排问题(LRP)。首先提出了LRP的数学模型,由于LRP属于NP-hard问题,提出了一种用于求解该类问题的两阶段混合启发式算法:禁忌搜索-蚁群混合算法。在选址阶段使用禁忌搜索算法求得一个较好的设施位置后,便转向运输路线安排阶段,并采用蚁群算法获得了一个与已得到的设施位置相对应的优化运输路线,这两阶段反复、连续运算,直到满足预先设置的终止条件。最后,给出算例验证模型和算法的有效性。

集成物流管理系统中定位-运输路线安排问题评述

在分析定位-配给问题(LAP)和运输路线安排问题(VRP)概念的基础上,对定位-运输路线安排问题(LRP)的含义进行了界定,并详细地介绍了近几十年来国内外关于LRP问题的研究现状,最后提出了将来LRP问题的研究重点。

多目标定位路线问题模型及禁忌搜索算法研究

在一个完整的物流系统中,总费用和工作量平衡是影响决策的两个基本标准,拓展对员工重要的公平原则-工作量平衡,并权衡工作量与总费用之间的平衡.在此基础上,考虑了带路线分配决策的多目标定位-路线问题,建立了数学模型,采用禁忌搜索算法对模型的求解,为检验车辆多次使用的效果,针对算法设计了联立和序贯两种不同的车辆路线分配形式.算法分析结果表明:区域特征在区分算法两种形式的性能时具有重要的地位.

定位-运输路线安排问题的一种启发式算法研究

定位-运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题,属于NP难问题,求解有一定难度.文章通过构造辅助函数对优化问题约束条件的处理,基于分层次实现多个目标的思路将LRP看作一个整体,利用具群体智能的粒子群算法进行求解,避免了基于两阶段算法的不足,减小了在进化过程中停滞于局部最优解的概率.为粒子群算法在大规模组合优化问题中实际应用做了有益的尝试.

集成物流管理系统中"定位—运输路线安排问题"分析

物流是产业链中的关键节点,物流管理将提高客户满意度、降低物流成本作为核心目标,在物流集成化发展背景下,定位—运输路线安排问题成为企业关注的重点.为此本文分析集成物流管理系统中定位—运输路线安排问题,介绍定位—运输路线安排问题理论基础及模型构建,总结当前有关该问题的研究现状,丰富其理论基础,供相关人员参考借鉴.

集成化物流中的定位配给问题的启发式算法

以Baumol Wolfe提出的传统的0 1混合整数规划模型为基础,建立一类更接近物流配送实际的定位 配给模型·在已确定每个配送中心的服务范围内,根据客户群的总需求量接近或等于单车容量的整数倍为原则,提出将不同客户需求量引入最小包络法进行混合法选址的启发式算法·最小包络法即以一个配送中心为基点,分别与其他配送中心用直线连接,作这些直线的垂直平分线,以每个配送中心的内点的垂直平分线的最小包络,作为此配送中心的服务范围·该方法既考虑到不同客户之间的相对距离,又考虑到不同客户需求量,此模型有助于解决实际的定位 配给问题·计算机仿真实例证明了此方法的有效性·

遗传算法在设施定位与车辆运输路线安排中的应用

传统的方法中,设施定位问题和车辆运输路线安排问题往往作为独立的问题分开来求解,因而无法得出满意的解答。为了考虑两个问题的相关性,提出了将设施定位—车辆运输路线安排问题作为整体考虑的决策模型。该模型是一个NP难整数规划问题,采用遗传算法进行求解,以求得全局最优。算例表明,该方法可以给出满意的解答。与传统的方法相比,该方法能够得出设施定位—车辆运输路线安排综合问题的全局最优解,可以给集成化物流系统的管理提供更好的决策支持。

物流配送车辆路线求解算法

为进一步降低日益复杂的物流配送成本,通过对物流配送网络系统分析,提出更为接近实际的三层次物流配送网络结构。针对第二层次车辆路线问题(VRP)网络模型,运用四叉树原理进行客户分区,使用两阶段启发式算法优化车辆行驶路线,采用C语言编程实现了算法设计。运用模拟数据通过LINGO程序仿真测试,显示该算法计算结果与LINGO计算结果相同,而计算时间大幅度降低,说明了该算法快速、有效。

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法(即模糊优化方法)求解物流配送多目标定位-运输路线安排问题(M LRP),重点考虑了时间和运输成本两个目标的M LRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.