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。

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。

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。

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.

混合超启发式算法求解复杂两级车辆路径问题

针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.

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。

基于改进蚁群算法的多类型车辆逆向物流路径优化

低碳经济是经济发展的新趋势,也是逆向物流可持续发展的新兴路径。本文根据车辆的时变速度和负载情况,建立一个度量函数来描述车辆的油耗和碳排放的变化。在此基础上,将车辆管理使用成本、油耗成本、碳排放成本、时间惩罚成本和消毒成本之和最小化作为优化目标,从低碳经济的角度构建多类型车辆回收过程中的逆向物流绿色车辆路径问题(GVRPRL)模型,并设计了一种改进的蚁群算法来求解该模型。为了验证模型和算法的有效性,对真实算例进行求解,并与传统的蚁群算法的结果进行比较。结果表明,本文构建的模型和改进算法能够更有效、更合理地规划车辆行驶路径,降低总成本、车辆油耗和碳排放,促进物流企业绿色出行和节能减排。

学习型蚁群算法求解一类复杂两级车辆路径问题

针对考虑同时取送货的绿色两级车辆路径问题,以最小化带碳排放成本的总运输成本为优化目标,提出一种结合聚类分解的学习型蚁群优化算法。针对两级问题相互耦合的特点,采用基于距离的聚类算法将原问题分解为一组子问题,提出一种学习型蚁群优化算法对各子问题进行求解,进而获得原问题的解。提出一种考虑问题结构特征的三维概率矩阵作为信息素矩阵,用于学习优质解的优良特征信息,以提高算法的全局搜索能力;提出一种考虑算法行为特征的局部搜索策略,用于学习所设计的六种邻域算子的搜索信息,以提高算法的局部搜索能力。通过仿真实验和算法比较,验证了所提算法的有效性。

绿色车辆路径问题研究

对绿色车辆路径问题的发展形势进行了分析.阐述了绿色车辆路径问题的起源,梳理了绿色车辆路径问题的研究热点,将其划分为最小化燃料消耗的绿色车辆路径问题、考虑污染路径的绿色车辆路径问题、结合新能源车的绿色车辆路径问题这3个研究的主要阶段,指出了绿色车辆路径问题研究的不足和未来可能的研究方向.

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。

碳排放影响下快时尚产品的配送路径优化

鉴于快时尚企业高频率配送的特性以及国家倡导的低碳环保理念,以服装产品为研究对象,以碳排放成本、车辆运输成本和顾客满意度为优化目标,建立多目标绿色车辆路径问题模型。提出一种改进蚁群算法对模型进行求解,在信息素更新过程中采用最大最小蚂蚁系统和云模型提高自身的全局搜索能力,同时对初始状态转移概率进行优化,并采取局部优化策略提高算法的适应性。仿真结果表明,提出的模型和算法能够充分调用企业资源,帮助快时尚企业科学规划车辆配送方案,降低运输成本和碳排放,实现经济效益与环境效益的最佳平衡。

绿色VRP的增强拉格朗日松弛启发式算法

针对绿色多车型车辆路径问题(GHFVRP),建立了以最小化车辆固定成本、行驶成本及碳排放成本之和为优化目标的混合整数规划模型(MIP),并提出一种增强拉格朗日松弛启发式算法(ELRHA)进行求解。首先,通过松弛难约束构造对偶问题,并分解为两个子问题,再采用次梯度法更新拉格朗日乘子,求解两个子问题获得原问题的下界;其次,设计一种两阶段启发式算法对下界进行修复及优化,以获得较好可行解并更新问题上界;最后进行仿真实验,实验结果表明:在相同实验环境下对17个算例进行20次测试,ELRHA平均求解间隙为4.49%,相较Gurobi提升3.28%,同时与其它算法对比进一步验证了ELRHA能求解问题高质量上界。可见,ELRHA能有效求解GHFVRP。

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.

考虑随机需求的带时间窗绿色车辆路径模型及优化算法研究

针对客户需求不确定的绿色物流配送问题,研究考虑随机需求的带时间窗绿色车辆路径模型与求解算法.综合考虑距离、时间窗、载重、燃料等因素对成本的影响,以车辆油耗成本、碳排放成本、运输成本、固定发车费之和最小为目标,建立考虑随机需求的带时间窗绿色车辆路径模型,在此基础上设计两阶段求解算法,预优化阶段根据客户随机需求量,考虑随机容量约束,设计基于大邻域搜索和禁忌搜索的混合算法获得预优化解;重优化阶段再模拟车辆配送,到达客户点更新客户实际需求,采用失败点重优化策略对后续路线进行优化.实验结果表明,与考虑碳排放和油耗成本最低的目标相比,文章方法不仅能够降低碳排放,而且还能取得更低的总配送成本.

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.