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.

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。

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。

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.

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。

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·

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。

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。

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.

基于两阶段改进遗传算法的一类特殊LRP问题研究(英文)

提出了一种带有随机开关的两阶段改进遗传算法并应用于集成化物流中的定位 运输路线安排 (LRP)优化问题 .该方法采用随机开关控制遗传算法中的变异运算 ,实现了空间的有效搜索 ,并且在一定程度上 ,避免了“局部最优现象”的发生 .通过计算机仿真实验 ,证明了该算法求解LRP问题的有效性和准确性 .

一类基于客户满意的LRP问题研究

随着全球贸易的快速增长,企业提高分销效率和获得高的客户满意度成为了企业在激烈竞争中获得战略制高点的必由之路。建立了基于客户满意且配送总成本最小的的一类LRP问题模型,采用启发式两阶段算法:首先确定配送中心的分配问题;然后,通过遗传算法给出车辆配送的路线;最后通过算例进行说明,为企业物流分销提供一些有益的思考。

网上超市订单分配与物流配送联合优化方法

针对网上超市一地多仓环境下的订单分配与物流配送两个环节,从联合优化的视角出发,以最小化物流配送成本为目标建立了非线性混合整数规划模型,并设计了一种启发式算法进行求解.在该启发式算法中,基于缩减问题求解空间的思想,引入人工智能状态空间搜索,利用物流配送阶段影响配送成本的关键因素作为订单分配的规则,采用改进的广度优先搜索算法生成较好的订单分配方案集合.利用C-W节约算法和邻域搜索技术,在优化配送路径时调整订单分配方案.最后构造算例验证了该算法的有效性.

震后应急物流系统中带时间窗的模糊动态LRP

针对震后应急物流系统中多层次设施定位-运输路线安排问题(LRP),考虑系统中的动态性、时效性、路网连通性、需求不确定性等特点,建立了一个带时间窗的模糊动态LRP优化模型,据此进行救援过程中不同周期灾区外围应急物资集散点和灾区应急配送中心的定位以及应急物资运输路线安排的联合决策。针对该模型的特点,提出了一种基于动态规划的改进遗传算法,为防遗传算法过早收敛问题,使用了随机遍历抽样法、重组策略和变化变异率法,并通过特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。最后,通过算例分析验证了该模型和算法的有效性。

震害紧急响应阶段应急物流系统中的LRP

针对震后紧急响应阶段的应急物流系统优化问题,建立了一个两级设施定位-运输路线安排问题模型(LRP),据此进行应急设施定位-分配和救援物资运输路线安排决策.根据该模型的特点,提出一种基于两阶段分解思想的"三角"启发式算法,对算法的复杂性进行了分析,并与改进遗传算法进行了对比研究.算例分析结果表明,该模型和算法可以解决震后应急物流系统中的LRP,所设计的"三角"启发式算法性能优越,具有较高的运算效率.

城市物流配送系统的多目标优化LRP模型研究

建立了准时到达、总成本最低的多目标定位———运输路线安排问题(LRP)的数学模型;此LRP问题包括配送中心的分派和运输路线优化两方面的决策,属于NP难题。在构建模型算法过程中,采用了两阶段法:首先采用启发式算法确定配送中心分派问题;其次,给出各个目标的优先级,根据优先因子建立以准时到达为最高优先级、总成本最低为次优先级的新的数学模型,并运用遗传算法求解优化运输路线问题。

基于缩短物流多阶响应周期的LRP模型研究

建立了以缩短物流多阶响应周期和成本为优化目标的多目标设施定位—运输路线安排问题(LRP)模型。在模型的构建过程中,加入了对不同运输方式选择的变量,以满足用户对不同运输速度和成本的要求,并在成本计算中考虑了订货成本和分拣中心的固定成本。