考虑客户等级和时变路况的无人物流配送路径

针对物流企业因配送资源的有限、无法及时应对客户的多样化需求和道路状况的不断变化等难题,建立时变道路状况和时间窗关联的无人车配送路径优化数学模型。通过云模型将客户划分为3个等级,以车辆配送成本、未满足客户配送时间的惩罚成本、车辆充电成本的总和极小化作为优化目标函数.在遗传算法的基础上,结合模拟退火算法构造混合算法,对模型进行求解并验证正确性.根据模型的特性构造9组不同规模和类型的算例进行数值实验,并验证算法的有效性.实验结果表明,混合遗传-模拟退火算法下配送过程中产生的总配送成本最多能够节省42.81%,整体客户满意度最高提升80.23%,提出混合遗传-模拟退火算法能够在有效降低成本的基础上,最大程度提升客户的满意度,并且相较于2种传统算法,其优化效果更好.

基于遗传模拟退火算法的城市冷链物流末端配送路径方案——以西安市为例

我国冷链物流市场规模大,但由于运输过程中制冷设备落后,造成产品腐损率高于发达国家。为有效改善冷链物流运输质量,提升客户满意度,文章对城市冷链物流末端配送路径问题进行分析,结合目前冷链物流末端配送现状,考虑生鲜产品货损情况、城市道路实际情况(正常路况、拥堵路况)、配送时间等影响因素,分别构建两种路况下的冷链末端配送模型,使用模糊时间窗描述客户满意度,建立距离最短、成本最小、时效最优、客户满意度最高的目标函数;最后以西安市大雁塔周边路段某天下午的业务场景为例,采用遗传模拟退火算法对正常路况和拥堵路况模型求解。结果表明,相同满意度下拥堵路况成本高于正常路况。因此,企业需合理优化线路,同时证明该方法可实现降本增效的目的。

基于改进萤火虫算法的应急救援中心选址

引用双层规划理论,以应急救援车辆行驶时间最短和救援体系总成本最少为目标,考虑时变条件下道路拥堵情况,建立双层规划选址模型;在基本萤火虫算法的基础上将萤火虫个体的位置更新公式中添加线性递减权重函数,提出惯性权重萤火虫新算法;通过设计应急救援算例,利用双层规划模型和惯性权重萤火虫新算法进行算例的求解,得出算例求解结果并验证新算法在寻优过程中的优越性。