卡车-无人机联合取送货模式下物流优化

为有效协调正逆向物流,利用无人机成本低、受地面交通状况影响少的特点,在无人机电池能耗随载重变化、同时取送货情形下,提出卡车-无人机联合取送货模式,构建两阶段求解方法。第1阶段,提出"最大重量判断法"构造初始可行解,为货物指派拾取或配送车辆并确定需要卡车数量;第2阶段,采用基于节点特征的改进模拟退火算法优化卡车-无人机路径,最小化总成本。两阶段均采用Python编程实现。仿真结果表明,提出的卡车-无人机联合取送货模式较其他模式可有效减少物流成本。"最大重量判断法"可显著提高算法收敛速度和效果。

多中心联合取送货车辆路径优化与利润分配

共享模式是电商逆向物流的新发展趋势,在共享车辆与客户订单的条件下,考虑带时间窗约束的客户同时取送货情景,建立了MJVRPSDPTW(multi-centers joint vehicle routing problem with simultaneous delivery and pick-up and time window)模型。接着设计一种基于大邻域搜索的混合遗传算法进行求解,针对“多对多网络”设置虚拟中心并利用整体法优化,同时融合大邻域搜索算法中的“破坏”与“修复”算子,增强算法寻优能力。通过多组算例对比实验,证明该算法优于两阶段规划法与经典遗传算法。基于优化后的网络,利用Shapley值法对不同联盟情况下的各物流企业进行利润分配,结果证明大联盟最稳定且共同利润最大。