考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题,以总配送成本最小化和客户满意度最大化为目标,提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点,结合粒子群算法生成种群方式,设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验,结果表明,所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题,且改进算法性能更优,同时分析了总配送成本与客户满意度之间的关系,为冷链物流企业带来一定的管理启示。

具有时间窗的局内开放式车辆调度的竞争分析

基于k-卡车问题和局内运输问题,提出了具有时间窗的局内开放式车辆调度问题.该问题的优化目标为:在服务需求的发布为局内方式的条件下,如何最小化完成整个服务需求序列的时间跨度.建立了该问题的数学模型并对有关的概念和参数进行了定义和说明.研究了当车辆数为1时该问题的竞争分析的有关结果:给出并证明了对于该问题的竞争策略的竞争比下限;针对该局内问题,设计了两种不同的竞争策略,得到了相应的竞争比,并进行了理论证明.

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解。该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现。通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好。由此验证了该算法的可行性和有效性。

时变条件下带时间窗车辆调度问题的模拟退火算法

带时间窗车辆调度问题(VRPTW)是一类要求满足容积和时间窗约束的车辆路径优化问题,现有大部分相关文献只考虑了车辆行驶速度恒定的情况,忽略了各种动态因素的影响.本文研究的时变条件下带时间窗车辆调度问题将车辆行驶速度考虑成时变分段函数,并利用模拟退火算法进行求解,最后通过实验结果说明算法的有效性.

带时间窗车辆调度问题的改进粒子群算法

带时间窗车辆调度问题是一类典型的NP难解问题。为了克服标准粒子群算法存在早熟收敛和易陷入局部解等问题,提出了一种改进的粒子群优化算法。该算法在惯性权重递减的基础上通过群体极值进行t分布变异,使算法跳出局部收敛,将该算法应用于带时间窗的车辆调度问题优化。算例证明了改进粒子群算法应用于求解带时间窗的车辆调度问题的可行性和有效性。

基于粒子碰撞的粒子群算法求解带时间窗车辆调度问题

带时间窗车辆调度问题属于离散NP-hard组合优化问题,传统的粒子群算法在离散域上表现了一定的劣性,对此提出了一种基于粒子碰撞的离散PSO算法来求解该问题。受物体相互碰撞之后物体的速度和位置会发生改变的现象启发,使当前粒子与个体最优和全局最优粒子发生碰撞来更新粒子的位置,以避免传统更新操作中的取整,保证种群的进化能力。采用Solomon’s VRP标准问题集的实例来对算法进行测试,实验结果数据表明了该算法的有效性。

混合遗传算法求解双目标带时间窗的车辆调度问题

作为物流配送的关键一环,车辆调度问题是运输环节优化的核心问题之一.企业要想提高自身经济效益,降低成本,实现高额利润就必须要采用先进的车辆调度方案.先进的车辆调度方案既需要降低购买车辆的固定投入,又需要减少车辆总行驶路径消耗的有形成本,还需要提高客户满意度以此维系与老客户的关系来降低无形的成本.为此,本文研究建立以配送车辆数最少和总行驶距离最短的双目标带时间窗的车辆调度模型,并在遗传算法中融入两元素优化算法设计新的混合遗传算法来求解该模型,为企业提供决策支持.通过对实例的求解证明,所建模型和设计的算法均具有有效性和合理性.

时间窗约束下的配送车辆调度问题研究

为解决时间窗约束下的物流配送车辆的多目标调度优化问题,给出了一种基于免疫计算的配送车辆调度优化方案。设计了配送车辆调度问题的数学模型和一种基于非劣邻域支配的多目标调度优化算法,在仿真环境下进行了实验。实验结果表明,算法能够有效地解决物流配送车辆调度问题,具有较好的应用价值。

机场加油车动态调度问题研究

机场特种车辆的调度效率将直接影响地勤服务成本和航班正点率。针对机场加油车动态调度问题,构建具体时刻的车辆调度模型;利用航班预计到港/出港消息,设计一种基于规划时间窗的车辆实时调度算法,将动态问题转化为一系列静态问题,实现车辆总行驶路程最短、所需车辆最少和每辆车的服务任务量均衡的目标。以机场实际数据验证了其合理性和有效性。

考虑任务均衡的加油车动态调度问题

为了提高机场资源利用率以及航班的正点率,合理调度机场加油车为航班进行燃油加注服务势在必行。考虑到航班实际时刻的不可预知性,需建立动态规划时间窗,为窗口依据航班预计时刻捕捉到的航班构建机场车辆调度模型,利用自适应分支定价算法求解模型,从而配置车辆与人员,规划车辆的行驶路线,衔接任务,实现车辆行驶时间最短,加油员工作量均衡的目的。在华北某机场真实数据上进行仿真实验,结果表明,自适应分支定价算法优化下的车辆行驶时间与加油员工作量的标准差分较节约算法分别减小1.38%和7.47%,验证了算法的优势,且算法在机场其他地面服务规划问题中同样适用。

港口油品配送系统调度优化的启发式方法

基于带时间窗的车辆路径问题优化理论与方法,首先给出了港口油品配送计划调度满足的数学模型,然后基于智能理论,针对配送时间、空间和配送载重量等限制条件,发展了一系列进行运输路径计划制定的启发式方法,如种子需求选择方法、路径插入可行性检测方法及移动、交换等优化路径方法,来得出最优的港口船舶柴油配送调度方案。最后通过实例验证说明了该文方法的有效性。

一种求解大规模校车调度问题的元启发式算法

校车调度问题(SBSP)是通过调度使一辆校车服务完一个学校后继续服务其他学校,以减少一个地区所需的校车总数,进而降低校车采购成本和运营成本。目前的SBSP求解方法是将其转化为指派问题或运输问题,使用混合整型规划算法或者简单启发式算法进行求解,但求解性能有局限。本文在单校校车路径规划的基础上,将单校路径抽象为虚拟站点,进而将SBSP转换为带有时间窗的车辆路径问题(VRPTW),设计元启发算法进行求解。使用构造启发式算法获得初始解后,在模拟退火算法框架中通过典型的局部搜索算子搜索邻域解,逐步改善求解质量。搜索算子包括单点移动、两点交换、2-OPT和Cross-Exchange。迭代优化过程中以校车路径数为主要目标,路径长度为次要目标。为避免邻域搜索陷入局部最优,算法以一定的概率接受部分使路径长度增加的解。15个案例实验验证了本算法的有效性,与现有算法相比,能够获得更好的优化目标,适用于大规模的校车调度。