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。

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.

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。

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。

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。

基于区域差异性的应急物流定位-路径问题研究

面对灾难发生后,不同区域的情况存在差异,综合考虑需求点的优先级和集散点的反应能力,以系统总成本最低构建了一个两阶段定位-路径问题模型。首先,根据需求点的需求紧迫度确定优先级,通过集散点的综合能力衡量集散点的反应能力。其次,在人工蜂群算法中结合遗传算法的交叉变异以及嵌入大规模领域搜索操作,改进邻域解的产生过程。最后,运用汶川地震数据对模型进行解析,证明模型能在考虑区域差异性的情况下有效解决灾难发生后的定位路径问题,实现物资的较合理配送。

不确定信息下的应急物流系统定位-路径问题研究

针对突发公共卫生事件之后的应急物流系统,以总成本最小为目标建立了不确定机会约束模型。考虑到实际情况,假设应急物资必须在需求点的限制期内到达以及车辆与候选配送中心的容量是有限的,并且认为需求点的需求量是不确定的,但是两节点的运输时间是确定的。同时为了节约成本,还假设车辆在完成配送任务后就近停靠在已开设的配送中心。进一步,应用遗传算法对该模型进行求解,最终给出算例来说明模型以及算法的可用性。

突发公共事件应急系统中的模糊多目标定位-路径问题研究

本文从应急系统集成优化的角度出发,以应急系统中各资源需求点的应急救援时间满意度之和最大及系统总成本最小为目标,建立了一个应急资源需求和应急救援时间范围均模糊的多目标定位-路径问题(LRP)模型,并提出了一种混合多目标遗传算法。算例分析结果表明,所提模型和算法可以有效解决应急系统优化中的模糊多目标LRP。

定位-路径问题综述

研究了定位-路径问题(LRP),总结了国内外LRP模型及其扩展模型,比较了LRP模型求解算法的适用性,分析了LRP测试算例的节点分布和数据规模,提出了LRP研究的主要方向。研究结果表明:LRP模型从基于基础网络的最简化问题(带容量约束的LRP,CLRP)向多方向模型进行扩展,包括基于网络复杂化的LRP扩展,如特定网络系统的多目标LRP(MOLRP)、同时取送货LRP(LRPSPD)、接驳转运中心LRP(CDCLRP)、两阶段LRP(2E-LRP)、选址-弧路径问题(LARP)、卡车和拖车路径问题(TTRP)与设施地点为二维连续的LRP(PLRP),基础网络参数不确定化的LRP,包括带模糊数据的LRP与多计划周期LRP(MPLRP),且正在向更切合实际的问题如高度集成、不确定与动态LRP发展;LRP算法方面,精确算法仅可用于求解小规模LRP,主要LRP求解算法由早期的智能算法逐渐转向元启发式算法、基于邻域搜索优化的算法与混合算法方向发展,这些改进算法均基于特定LRP设计,具有更好的求解性能,尤其是采用基于多种破坏和修复因子的自适应大邻域搜索算法求解大规模LRP取得了较好的解,且其改造性极强;常用LRP测试算例的节点呈现均匀分布、堆分布及均匀与堆混合分布,且逐渐产生了适用于2E-LRP与LRPSPD等扩展LRP的测试算例;根据物流市场环境变化和需求,提出LRP未来扩展研究的主要方向,包括多阶段LRP的扩展(如2E-LRPSPD、考虑库存的2E-LRP等)、节点二维连续的LRP、客户含优先级的带竞争或盈利LRP、混合不确定LRP等切合实际的问题;提出了LRP求解算法未来方向,包括设计新型精确算法求解中、大规模LRP,设计更准确更高效的组合启发式算法与应用近似算法求解LRP及扩展LRP的最优解。

洪灾被困人员搜救的模糊定位-路径问题优化模型

为保障洪灾被困人员搜救效果,分析了救援过程的特性,建立了一个带时间窗和模糊搜救时间的定位-路径问题优化模型,并提出一种遗传求解算法,采取三段式实数编码,设计了与编码相应的交叉和变异操作,在迭代过程中添加替代操作以加快收敛速度,最后对模型及算法进行了验证。研究结果表明:采用MATLAB编程实现该算法时,将程序运行10次,平均运行时间为42.95 s,最差解和最好解与平均值的偏差仅分别为1.56%和3.48%。可见,算法是高效、收敛和稳定的,模型可行。

震后应急物流系统中的定位-路径问题

为尽可能降低地震灾害造成的损失和危害,应急物资必须在震后最短的时间内供应到各个救灾点。从系统整体优化的角度,研究震后应急物流系统中的定位-路径问题,同时综合考虑了震后应急物流系统的特性,以应急物资总运达时间与系统总成本最小为目标,构建了一个震后应急物流系统中的多目标定位-路径优化模型,并设计了一种混合启发式算法予以求解。通过算例验证了本文方法的可行性与有效性。

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.

抢险救援装备投送定位-路径优化问题研究

考虑到震后抢险救援装备保障需求的动态变化,针对装备投送的定位-路径问题,提出了总配送时间最短为目标的多周期多模式LRP模型,将动态决策问题分解为离散的静态决策问题,降低了模型的复杂度。基于模型特征设计了一种两阶段算法,第一阶段通过线性规划求解总需求加权距离最小的预储点分配方案,第二阶段采用蚁群算法分别求解不同预储点的指派和路径方案。最后,通过随机算例分析,对本文提出的模型和算法进行验证。结果表明,优化方法能较好地求解震后抢险救援装备保障运输动态定位-路径。

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.

随机需求应急物流多阶段定位-路径鲁棒优化研究

为提高应急物流系统的应急反应能力,论文针对需求随机变化的应急物流定位-路径问题,利用鲁棒优化的思想将灾区物资需求量表示为区间型数据,将应急救援过程划分为多个阶段,以总救援时间和系统总成本最小为目标,构建了多物资多运输车辆应急物流定位-路径优化模型,设计了改进的遗传算法对其进行求解。实例计算结果表明,该模型和算法可以有效地解决应急物流系统中需求随机变化的定位-路径问题,为政府机构应对重大突发事件提供科学的决策参考。