定位-运输路线安排问题的两阶段启发式算法

重点研究了集成化物流中一类特殊的定位-运输路线安排问题(LRP)的解决方法.LRP问题包括设施定位和运输路线优化两方面决策,属于NP-hard难题.由于问题的复杂性,提出基于假设前提的LRP模型及其两阶段启发式求解算法.该方法分两步实现:首先,采用基于最小包络聚类分析的启发式方法确定被选择的潜在设施及由每一个选中的设施所要提供服务的客户群;其次,运用带有控制开关的遗传算法求解每一确定客户类中的优化运输路线.提出利用两阶段启发式算法求解LRP问题,此方法实现容易、运算简单,一定程度上避免了遗传算法中的"局部最优现象".仿真实验证明了该算法求解单目标LRP的有效性和准确性.

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·

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。

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·

集成物流管理系统中定位—运输路线安排问题的研究

综述集成物流管理系统中设施定位—运输车辆行程路线安排问题的主要研究进展 ,分析提出有关求解问题的算法的特点 ,最后提出该研究领域应该关注的几个重要发展方向 .

论集成物流管理系统中定位—运输路线安排问题

本文从运输车辆路线安排问题和定位—配给问题的集成探讨了定位—运输路线安排问题(LRP)的由来,描述了LRP问题的内容特征及其分类,详细地介绍了近几年来国内外关于LRP问题的研究现状,并对LRP的未来发展方向进行了展望。