用PSO-SA算法求解带调拨货的冷链物流车辆配送问题

文中研究了带调拨货的冷链物流车辆配送问题,构建了包括固定成本、运输成本、制冷成本和货损成本的总成本模型,并用启发式算法中的粒子群(PSO)算法和模拟退火(SA)算法协同进行求解,通过模拟实际商业模式构建数据,对重要参数进行经验取值,进行10次实验。实验结果表明:对于带调拨货的冷链物流车辆配送问题,该协同PSO-SA算法可以有效提高车辆的负载使用率,节约配送里程,在可以接受的迭代次数限制内可以收敛到满意解。同时,这种模型也对冷链连锁门店实际配送有一定指导意义。

“卡车+无人机”模式下带时间窗的取送货车辆路径问题

无人机由于成本低、速度快、直线飞行等优势被越来越多地用于物流配送。考虑到无人机的载货量小、续航能力有限等因素,针对“卡车+无人机”模式下的带时间窗的取送货车辆路径问题进行优化,建立了以最小化运输成本为目标的混合整数规划模型。设计了自适应大邻域搜索算法对其求解。在该算法中,通过设计基于模型特点的多种高效的破坏算子和修复算子、引入模拟退火接受准则避免陷入局部最优解来提高算法性能。通过算例求解验证了模型和算法的有效性,分析了卡车与无人机联合配送模式对路径成本的影响,为“卡车+无人机”模式的路径规划提供决策依据。

带回程取货车辆路径问题的干扰恢复模型

在实际车辆调度中,路线安排系统要对来自外界不断出现的干扰事件做出迅速反应.针对带回程取货车辆路径问题中出现的需求变化干扰(如新的服务请求、客户点减少及其货物量增加或减少),基于干扰管理的思想,对这类干扰事件进行分析和度量,提出了带回程取货车辆调度的扰动恢复模型;设计了基于邻近策略和增派策略的启发式算法对模型进行求解;最后结合标准数据集对模型和算法进行了验证.

多车场带货物权重车辆路径问题邻域搜索算法

带货物权重车辆路径规划问题(weighted vehicle routing problem,WVRP)将车辆载重和行驶距离引入目标函数,在生鲜食品和危险品运输以及应急物资配送中有重要意义.在WVRP的基础上,提出了多车场带货物权重车辆路径规划问题(multi-depot weighted vehicle routing problem,MDWVRP),建立了该问题的数学模型,设计了一种简单高效的多起点迭代式邻域搜索算法(multi-start iterated local search,MSILS).为避免搜索过程陷入局部最优,MSILS引入了扰动机制.基于33个公开标准案例对MSILS算法进行了测试.通过与已有文献中的方法进行比较,从求解质量,运行时间和稳定性等三个维度验证MSILS算法的优势.

带时间窗可回程取货车辆路径问题的元胞鱼群算法

在研究带时间窗可回程取货车辆路径问题数据模型的基础上,将人工鱼群算法的仿生学原理与元胞自动机的邻域邻域模型和状态迁移规则相结合设计了元胞鱼群算法。算法通过在每次迭代后进行元胞空间的信息交换,并利用交换序方法对鱼群算法进行重构,改善了对解空间的搜索性能。仿真实验结果表明,元胞鱼群算法有良好的寻优能力,具有一定的工程应用价值。

考虑一单多品的外卖订单配送时间的带时间窗的车辆路径问题

消费者对外卖食品需求的多样性使得外卖订单出现一单多品的结构特点,即一份订单中的外卖食品是由两个及以上商家所提供的。在一单多品的外卖配送背景下,针对带时间窗的外卖订单配送问题,研究订单配送的车辆路径规划。该研究能够提高商家的服务水平与配送车辆的效率。食品销售商家从线上平台接收到消费者的订单,此后商家根据订单打包食品,待车辆在要求的时间窗内到达并取走食品,再送往消费者手中。根据该过程,构建目标函数为配送成本最小化的数学模型,设置各个实体餐饮店和消费者的时间窗限制,利用遗传算法求解订单配送问题。最后,通过算例实验,验证了该数学模型的有效性和可行性,并从实践的角度出发,给出管理和路径规划方面的建议和启示。

用遗传算法求解带回程取货的车辆路径问题

带回程取货的车辆路径问题可以同时服务路径上的取货送货节点,通过对该问题的研究,利用改进的遗传算法对其求解,并通过实例证明其有效性.

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP-Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。

带容量约束的车辆路径问题算法综述

CVRP的研究带动了确定性算法和启发式算法的发展。简要回顾了这些新算法的发展,总结对比现有方法,提出可能的研究方向。

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。

带时间窗的低碳车辆配送路径优化研究

针对当前环境问题日益严峻,低碳车辆配送路径优化在减少碳排放方面有着重要意义。在以往的车辆配送路径问题中只考虑经济成本最小而忽略了碳排放。本文首先将碳排放转化为碳排放成本,构建了总成本最小的目标优化模型,其次采用蚁群算法对优化模型进行求解,最后通过算例验证了模型的有效性,为减少车辆碳排放提供参考和决策支持。

基于沿途补货的多配送中心动态需求VRP建模及优化

为了研究沿途补货策略在客户需求动态变化环境下的实用性,提出基于沿途补货的多配送中心动态需求车辆路径问题。将动态问题按照时间轴依次分解为一系列的静态调度子问题,并建立其两阶段数学模型;设计了一种最邻近法结合贪婪法则来控制车辆沿途补货的解码方法;提出了自适应免疫量子进化算法的求解方法,引入免疫算子进行线路内和线路间的再优化,从关于问题的先验知识中提取疫苗,有效地加快了算法的收敛速度,提高了解的质量,同时在疫苗接种的过程中设计了一种随个体适应度大小而变化的自适应选择概率,减少了算法的运行时间。对实例进行仿真测试并与其他算法进行了比较,结果表明所提算法能获得较好的解,能有效求解动态调度问题,同时分析了沿途补货策略影响,实验表明沿途补货策略适用于动态需求车辆路径问题。

共享电动车电池配送问题研究

共享电动车电池的配送方案关系到用户的切身体验和企业利益。为制定最优配送方案,真正打通人们出行的“最后一公里”,本文考虑企业对成本的要求和用户对时效性的要求,以总配送成本最小以及用户满意度最高为目标建立了一个带软时间窗的车辆路径问题模型,利用扫描法和基于最佳路径成本的交叉算子改进了传统遗传算法,用算例验证了模型与改进算法的有效性,并通过数值实验找出了种群大小、迭代次数与最优解之间的相关关系。

基于整车配送的多仓库开路VRPTW问题的研究与实现

以整车销售物流为背景,探讨多仓库带时窗约束的车辆路线安排问题的解决方法.提出了更为复杂的基于现实的细节性要求的多配送中心开路VRPTW问题模型,并将遗传算法产生部分解和评估完整解的优化解决方法和涌现交叉算子MX1引入到带时窗的多仓库VRP问题优化中,实现了快速全局优化.提出的开路混合配送方法有利于提高车辆满载率,降低回程空载率.同时实现了运输资源的优化配置,提高车辆利用率.计算机仿真实验证明了算法的可行性.

车辆路径问题的发展及其应用

车辆路径问题作为运筹学和组合优化领域的热点问题,与现实生活息息相关。随着对车辆路径问题的不断深入研究,各类新型的启发式算法被运用到解决这类问题之中。文对具有各类约束条件的车辆路径问题进行了调查、分析和总结,并对国内外相关研究成果进行了提炼,在该基础之上,阐述了车辆路径问题的研究综述。基于当前多样的分类标准,讨论并分析了经典车辆路径问题,并在此基础之上综述了求解各类型车辆路径问题的基本方法和现代启发式算法。

基于NSGA Ⅱ的带时间窗生鲜品配送路径优化

考虑到生鲜品的易腐性、高时效性和对运输环境要求高的特点,为减少生鲜品配送企业的配送成本,提高客户满意度,在车辆载重、时间窗、生鲜品保质期等约束条件下,提出将配送总成本最小化和生鲜品新鲜度最大化的多目标车辆路径优化模型。利用改进的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)对模型进行求解。求出满足配送总成本最小和生鲜品新鲜度最大的相对较优解,证明模型的有效性。该模型在大规模配送和客户地理位置分布较为分散的情况下,对生鲜品新鲜度的优化较为明显。

基于改进遗传算法的带时间窗的多目标配送路径优化

针对传统遗传算法在解决物流配送路径问题时容易出现早熟收敛和运输条件限制等方面的缺陷,在考虑了车辆载重和时间窗等约束条件的情况下,提出一种改进的遗传算法,用以解决带时间窗的车辆路径优化问题(VRPTW)。算法在交叉过程中通过最大限度保留优良基因来减少交叉后产生的劣质个体,进而提高了算法的收敛速度;设计了一种变异操作,用于保证算法的种群多样性,减少了不可行解的产生,进而提高了算法的全局搜索能力。该算法在Matlab 2016a上实现,算例结果表明:对比传统遗传算法,改进的遗传算法减少了约10%的运输成本,能跳出局部收敛并获得最优解,从而提供更合理的车辆路线。

基于联合配送与资源共享的多中心车辆路径优化研究

本文基于实际配送中存在的配送中心中转货物类型不同的问题,提出共享资源、合并下游订单、中途取货、半开放式回程策略,考虑使用异质车辆,以时间窗、载重限制、需求点容纳能力为约束条件,构建了基于联合配送的多目标路径优化模型。根据模型特征,使用混合自适应遗传算法,设计三阶段解码法和海明距离过滤机制,利用模拟退火算法生成初始解,增强算法的局部与全局搜索能力。通过实例分析,验证了模型即算法的有效性,表明联合配送模式能有效降低配送成本之余提高配送与用车效益。

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。

基于改进蚁群算法的装配线VRPTD问题研究

采用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。