多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

多车场多车型冷链物流时变绿色车辆路径优化

为降低运输成本,减少环境污染,提出一种考虑速度时变的多车场多车型绿色车辆路径优化方法。针对城市交通拥堵路况常发的现状,引入百度智慧交通网预测的拥堵指数反映实时路况,兼顾经济成本和环境成本,构建以总运输成本最小为优化目标的时变绿色车辆路径模型。根据模型特点改进遗传算法,并运用大中小3种规模的算例对其进行仿真实验,验证了模型和算法可以有效地降低物流配送成本,促进配送车辆节能减排,为生鲜电商冷链物流配送决策提供车辆运输路径方案。

考虑动态拥堵的城市配送绿色车辆路径问题研究

针对目前研究城市配送车辆路径多未考虑交通动态拥堵对运营成本的影响,本文将道路拥堵因素引入绿色车辆路径问题(GVRP)的优化数学模型中,以不同的拥堵速度来反应各时间段的交通状况,并考虑碳排放和客户时间窗的影响,建立了以总成本最小化为目标的优化模型,设计了蚁群-遗传混合算法(ACO-GA)进行求解。并结合案例进行分析,将所得结果与蚁群算法(ACO)、遗传算法(GA)进行比较,验证了模型和算法的可行性和有效性,降低了总成本和碳排放,为企业节约成本和绿色转型提供了有力支持。

时间依赖型绿色车辆路径模型及改进蚁群算法

绿色车辆路径规划对物流配送领域的节能减排具有重要的现实意义。针对时间依赖型绿色车辆路径问题(time-dependent green vehicle routing problem,TDGVRP),考虑车辆不同出发时刻对行驶时间的影响,分析车辆时变速度、载重与碳排放率之间的关系,确定基于车辆时变速度和载重的碳排放率度量函数;在此基础上,以车辆油耗和碳排放成本、使用时间成本和固定成本、等待成本与人力成本之和作为目标函数,构建TDGVRP模型,并根据模型特点设计基于路段划分策略的车辆行驶时间计算方法,提出了改进蚁群算法。算例仿真结果表明,构建的模型和提出的算法能合理规划车辆出发时刻,有效规避交通拥堵时间段,降低配送总成本,减少油耗和碳排放。

考虑动态拥堵的多车型绿色车辆路径问题优化

为降低物流配送成本,促进碳减排,提出一种考虑动态拥堵的多车型绿色车辆路径优化方法。针对常发性道路拥堵状况,将配送时间划分为若干时段,以道路拥堵系数反映不同时段的拥堵状况,同时考虑到碳排放、多车型和客户时间窗的影响,建立以系统总成本最小为目标的绿色车辆路径优化模型,设计求解模型的头脑风暴优化算法。结合算例,对该问题进行仿真,将结果与遗传算法进行对比,验证了模型的可行性和算法的有效性,表明考虑多车型配送和动态拥堵可以有效降低系统成本。

考虑客户满意度的三维装箱绿色车辆路径研究

能源是世界的推动力.能源的消耗一方面需要消耗自然资源,另一方面又会污染环境.因此能源问题是全球持续关注的问题,而作为能源消耗大户的物流也成为业界与学术界关注的焦点.文中以提高客户满意度、降低能耗为目标,建立了带有软时间约束的单车型三维装箱绿色车辆路径优化模型,研究单车型车辆调度中载重量、需求的时间窗、三维装箱等多约束的处理方法,并且采用多目标粒子群算法进行仿真实验,获取Pareto最优解.研究结论对于企业提高客户满意度和降低能源消耗具有借鉴意义.

时变环境下基于自适应遗传算法的模糊绿色车辆路径问题

针对时变环境下的模糊绿色车辆路径问题,同时考虑了车速连续时变、客户需求量为模糊变量等特性,在目标函数中引入与绿色低碳有关的燃油成本,以极小化燃油成本、车辆使用成本并极大化客户满意度为目标,建立了相应的模糊规划模型,并运用自适应遗传算法进行了求解。采用仿真实例,分析了决策者主观偏好值对各个目标函数的影响,以及各个目标函数之间的相互影响。

考虑拥堵区域的多车型绿色车辆路径问题优化

针对降低物流配送过程中产生的碳排放问题,从绿色环保角度出发,提出一种考虑交通拥堵区域的多车型物流配送车辆的绿色车辆路径问题(GVRP)。首先分析不同类型车辆、不同拥堵状况对车辆行驶路线规划的影响,然后引入基于车辆行驶速度和载重的碳排放速率度量函数;其次以车辆管理使用费用和油耗碳排放成本最小作为优化目标,构建双目标绿色车辆路径模型;最后根据模型的特点设计一种融合模拟退火算法的混合差分进化算法对问题进行求解。通过实验仿真验证模型和算法可以有效规避拥堵区域,与只使用单一4 t车型配送相比,所提模型总成本降低了1.5%,油耗碳排放成本降低了4.3%;和以行驶距离最短为目标的模型相比,所提模型的总配送成本降低了8.1%。说明该模型提高物流企业的经济效益也促进了节能减排。同时所提算法与基本差分算法相比,总配送成本可以降低3%~6%;与遗传算法相比,优化效果更明显,总配送成本可以降低4%~11%,证明该算法更具有优越性。综上所提模型和算法可以为物流企业城市配送路径决策提供良好的参考依据。

求解绿色车辆路径问题的离散乌贼算法

为求解绿色车辆路径问题(green vehicle routing problem),提出一种离散乌贼算法(DCOA)。采用轮盘赌机制增强初始解选择的随机性,引入精英片段插入策略指导乌贼细胞群的进化方向,提高搜索效率,利用2-opt法和shift法优化当前细胞,增强最优解的局部开发能力。选取Augerat标准数据集,对算法进行测试,并与BA、PSO、CS、SA以及ACO算法进行比较。实验结果表明,DCOA算法相较于其它算法有更强的寻优能力,可以有效求解绿色车辆路径问题,求得的解更能满足绿色车辆路径问题的需求。

时间依赖型绿色车辆路径问题研究

城市配送系统中考虑交通拥堵和环境污染车辆路径问题的时间依赖性体现在:不同道路拥堵程度下车辆运行速度不同,则不同出发时间对应的运输总时间也不同,导致运输成本和造成的环境污染也有较大差异。因此,本文提出一个时间依赖型绿色车辆路径模型,通过优化运输路径和出发时间降低运输成本、减少环境污染。模型的目标函数最小化包括油耗成本在内的运输总成本,其中,车辆油耗的度量基于综合模式排放模型,其创新之处在于,定义了允许车辆在节点处等待的情形,使车辆选择合适的时间出发以规避拥堵,即通过优化车辆路径以及路径上各节点处的出发时间寻求成本最优的运输方案。本文提出嵌套遗传算法求解模型,外层遗传算法优化路径,内层遗传算法优化路径上各节点处的车辆出发时间。并通过响应面分析法(RSM)调试算法关键参数,得到适用于模型的最佳参数搭配,算法性能测试结果表明了本文算法的高效性。本文基于污染-路径问题实验数据库进行数值实验,结果证明,允许车辆在客户处等待并选择合适时间出发,可以在一定程度上降低燃油消耗和总成本。此外,目标函数中引入油耗要素,可以有效降低决策方案的燃油消耗,减少环境污染。

绿色车辆及其评价体系研究

绿色车辆是汽车技术不断发展的必然产物,绿色汽车是环境保护的迫切要求,是汽车工业可持续发展的需要。探讨了绿色车辆的内涵及其评价指标体系的研究,指出了今后的研究方向。

绿色车辆路径问题的改进拉格朗日松弛算法

针对绿色带容量的车辆路径问题(Green Capacitated Vehicle Routing Problem, GCVRP),建立了以最小化总运费为优化目标的混合整数规划(Mixed Integer Programming,MIP)模型,并提出一种改进拉格朗日松弛算法(Improved Lagrange Relaxation Algorithm, ILRA)进行求解。首先,通过拉格朗日松弛技术得到原问题的对偶问题,并运用次梯度法求解对偶问题获得原问题的下界;然后针对下界设计修复算法和邻域搜索算法获得原问题的上界,进而更新乘子迭代求解;最后进行仿真实验,实验结果表明:在相同实验环境下对19个不同规模算例进行10次测试,ILRA求取MIP的上下界平均间隙为7.61%,而Gurobi求解器求取的平均间隙为15.47%。可见,相较于Gurobi求解器,ILRA能够高效获得GCVRP的高质量解。

考虑时间依赖和同时取送货的双目标绿色车辆路径问题研究

针对绿色物流配送,提出了考虑时间依赖和同时取送货的双目标绿色车辆路径模型及求解方法.首先,综合考虑时变速度、实时载重等因素对油耗和碳排放的影响,建立车辆油耗和碳排放测度模型;其次,根据配送时间和顾客满意度之间的关系,建立顾客满意度函数;然后,以车辆使用成本、油耗和碳排放成本之和最小化与顾客满意度最大化作为优化目标,构建数学模型;为求解构建的模型,设计了一种基于NSGA-Ⅱ和大邻域搜索的混合算法.算例仿真结果表明,构建的模型和提出的算法能在多个目标之间取得平衡,有效规避交通拥堵时间段,降低物流配送总成本,减少油耗和碳排放,提高顾客满意度.

基于文献计量和知识图谱的国际绿色车辆路径问题研究发展分析

以Web of Science数据库中2005-2015年间的绿色车辆路径问题领域的360篇文献为研究对象,采用文献计量学和信息可视化的方法对蕴含在GVRP主题文献中的知识机构进行深入挖掘和分析。运用词频统计软件SATI和可视化软件Ucinet、Netdraw,从文献年载量、来源期刊、核心作者、学术机构和国家(地区)分布等宏观层面,以及高频关键词和共被引文献等微观层面来探究GVRP领域的研究现状和学术热点。本文研究对了解和分析国际绿色车辆路径问题领域的发展态势,以及推动绿色车辆路径问题领域研究的深入化和国际化具有重要意义。

三阶段拉格朗日启发式算法求解带同时取送货的绿色车辆路径问题

针对带同时取送货的绿色车辆路径问题,以最小化带碳排放费用的配送成本为优化目标,建立混合整数规划模型,并提出一种结合数学规划方法与启发式算法的三阶段拉格朗日启发式算法进行求解.第1阶段,利用拉格朗日松弛技术得到该问题的拉格朗日对偶模型;第2阶段,设计一种改进的次梯度算法迭代求解该对偶模型,同时引入修复机制,将每次迭代所得下界对应的解修复为原问题较高质量的可行解,并在下次迭代中利用该可行解更新次梯度方向和步长;第3阶段,设计一种启发式局部搜索算法,对第2阶段得到的可行解进行优化,进一步改进解的质量,以得到原问题的近似最优解.实验表明,所提出算法能够获得问题的一个优质解,同时提供一个紧致下界,用以定量评估解的质量.

绿色车辆路径问题研究综述

为了满足高时效、低排放的运输环境要求,选取Web of Science核心合集数据库中蕴含绿色车辆路径为主题的869篇文献作为研究对象,借助信息可视化软件CiteSpace,从运输学和运筹学管理科学这两个研究方向进行宏观及微观层面的数据分析。研究结果表明:该领域正处于快速发展阶段,其文献来源期刊整体影响力良好,发文机构合作强度较高,但核心作者的学术贡献相对分散。另外,通过对文献共被引网络及冲积流图谱的分析得知,其研究热点集中在传统、新能源车辆路径问题、算法优化及智能交通系统设计上,未来研究将紧密结合国家经济和环境政策进行设施选址和路径规划。

物流配送中的绿色车辆路径模型与求解算法研究综述

随着绿色物流的发展,绿色车辆路径问题(green vehicle routing problem,GVRP)已引起学界的广泛关注,但关于GVRP最新研究进展的综述文献较少.首先,简要介绍GVRP基础模型和油耗/碳排放的主要测度方法;其次,根据GVRP环境效益优化目标及目标函数的构成,将GVRP模型分为油耗/碳排放最小化VRP、综合成本最小化VRP和多目标VRP三种类型,并从优化目标、油耗/碳排放的影响因素和测度模型,以及约束条件等方面进行分类综述;然后,简要介绍求解GVRP模型的精确算法、启发式算法和元启发式算法,并对应用较为普及的主要元启发式算法进行分析;最后,阐述了即时物流配送、冷链物流配送、电动车物流配送和共同物流配送等GVRP新的应用领域,指出了GVRP理论和方法的发展趋势.

考虑时变速度的多车场绿色车辆路径模型及优化算法

针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,促进物流配送企业的节能减排.

冷链物流配送的绿色车辆路径模型及其求解算法

针对冷链物流配送的绿色车辆路径问题,引入新鲜度衰减函数计算配送过程中冷链产品的货损;考虑载重、行驶速度、低温制冷等因素对油耗和碳排放率的影响,确定油耗和碳排放的度量函数;根据配送时间和顾客满意度的关系,建立顾客满意度函数。在此基础上,以车辆使用成本、货损成本、油耗和碳排放成本、惩罚成本之和最小化和顾客平均满意度最大化作为优化目标,构建双目标数学模型,设计了一种基于NSGA-Ⅱ和变邻域搜索的混合算法进行求解。算例仿真结果表明,构建的模型和提出的算法能在多个优化目标之间取得平衡,降低车辆使用成本和货损,减少油耗和碳排放,提高顾客满意度。

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.